P3-04 Coarse-Graining in Micromagnetic Simulations of Dynamic Hysteresis Loops
Notice bibliographique
Résumé
Authors: R. Behbahani, M.L. Plumer, I. Saika-Voivod, Physics and Physical Oceanography, Memorial University of Newfoundland, St. John's, Newfoundland, CANADA|R. Behbahani, I. Saika-Voivod, Applied Mathematics, Western University, London, Ontario, CANADA| Abstract Body: We use micromagnetic simulations based on the stochastic Landau–Lifshitz–Gilbert equation to calculate dynamic magnetic hysteresis loops at finite temperatures that are invariant with simulation cell size. As a test case, we simulate a magnetite nanorod, the building block of magnetic nanoparticles that have been employed in preclinical studies of hyperthermia [1]. With the goal to effectively simulate loops for large iron-oxide-based systems at relatively slow sweep rates on the order of 1 Oe/ns or less, we modify and employ a previously derived renormalization group (RG) approach for coarse-graining [2]. The scaling algorithm is shown to produce nearly identical loops over several decades in the model cell volume [3]. We also demonstrate sweep-rate scaling involving the Gilbert damping parameter that allows orders of magnitude speed-up of the loop calculations.References: [1] C. L. Dennis et al., Nanotechnology Vol. 20, p.395103 (2009) [2] G. Grinstein and R. H. Koch, Phys. Rev. Lett. Vol. 90, No. 20, p.207201 (2003) [3] R. Behbahani, M. L. Plumer and I. Saika-Voivod, J. Phys. Condens. Matter, Vol. 32, No.35LT01 (2020) https://s3.eu-west-1.amazonaws.com/underline.prod/uploads/markdown_image/1/image/ea85657bdbcbd76c1f4c7dce61c973e5.jpg
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».