Multi-frequency torque magnetometry: contribution of the Einstein-de Haas effect, and direct detection of overlapping magnetic and mechanical resonance modes
Notice bibliographique
Résumé
High-finesse optical nanocavities coupled with nanomechanical torque sensors have enabled highly sensitive and broadband readout of magnetic torques, from timescales involving quasi-static hysteresis response to radio-frequency magnetic susceptibility [1-3]. The extension of torque magnetometry to higher mechanical frequencies will grant further access to spin dynamics, including mechanical investigations of spin-lattice relaxation times. For nanomechanical torque magnetometry measurements into radio frequencies, the contribution of the Einstein-de Haas (EdH) effect can become comparable to, and even exceed, the conventional magnetic torque (cross-product of magnetic moment and applied field) signal [4]. Extending sensitive optomechanical detection across a ladder of higher-order mechanical modes is a natural way to extract further information, through examination of the relative scaling of EdH and cross-product torques. Sufficiently high-order mechanical modes have application to co-resonant detection of magnetic resonances. Magnetic vortex resonances intersecting the mechanical resonance spectrum will be described, and allow for the observation of dynamic vortex core interactions with magnetic inhomogeneities. [1] M. Wu et al. Nat. Nanotechnol. 12, 127 (2017). [2] G. Hajisalem et al. New J. Phys. 21, 095005 (2019). [3] J. Losby et al. J. Phys D. 51, 483001 (2018). [4] K. Mori et al. Phys. Rev. B. 102, 054415 (2020).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».