Magnetyczne klastery w połączeniu z diamagnetycznymi
Transkrypt
Magnetyczne klastery w połączeniu z diamagnetycznymi
Magnetyczne klastery w połączeniu z diamagnetycznymi półprzewodzącymi nanostrukturami. Opiekun naukowy: Prof. dr hab. Grażyna Chełkowska Wiedza jak i rozwój technologii o nanostrukturach obejmuje zagadnienia z wielu dziedzin. Nanomateriały są interesującymi obiektami zarówno od strony podstawowych badań ich właściwości fizycznych po przez zastosowanie tychże materiałów w nowych urządzeniach. Cienką warstwą nazywamy taki układ, którego grubość obszarów przypowierzchniowych o zaburzonych właściwościach fizycznych jest odpowiednio duża w stosunku do grubości całkowitej. W tego typu strukturach obserwuje się efekty rozmiarowe, czyli zmianę właściwości fizycznych bądź chemicznych w porównaniu do litego materiału. Takie zjawiska w przypadku warstw magnetycznych obserwowane są dla grubości porównywalnej z długością fali elektronów na poziomie Fermiego, czyli dla grubości rzędu pojedynczych nanometrów. W skali nano istotnym czynnikiem wpływającym na własności fizyczne bądź chemiczne staje się powierzchnia, którą stanowić może ciągła lub nieciągła warstwa atomowa. Wzrost cienkich warstw magnetycznych w większości przypadków jest wynikiem osadzenia się materiału w fazie gazowej na powierzchni podłoża. Główną różnicą pomiędzy technikami preparatyki jest sposób wytworzenia fazy gazowej. Najczęściej stosowanymi metodami są naparowanie termiczne, rozpylanie jonowe (sputtering) oraz laserowe rozpylanie jonowe (ablacja laserowa). Preparatyka z użyciem wymienionych technik przebiega jednak w warunkach wysokiej próżni (10 -9 Pa), gdyż jest to istotne dla zminimalizowania adsorpcji zanieczyszczeń na podłożu i w warstwach oraz dla uniknięcia zaburzenia strumienia osadzanej wiązki w trakcie zderzenia z atomami gazów resztkowych. Poza właściwościami strukturalnymi badanych układów istotną rolę odgrywają również właściwości magnetyczne. W cienkich warstwach obserwuje się modyfikacje tych własności związanych przede wszystkim z efektami przypowierzchniowymi. Podstawową konsekwencją redukcji wymiaru jest zmniejszenie liczby najbliższych atomowych sąsiadów, co wpływa na wzrost momentu magnetycznego, co więcej modyfikuje strukturę elektronową w tych warstwach. Dla porównania w przypadku litego Fe, moment magnetyczny wynosi około 2.25 μB i zwiększa się do wartości 4.00 μB dla swobodnego atomu [1]. Dla monowarstwy moment magnetyczny atomu Fe jest równy 3.10 μB [2]. Innym rezultatem zmniejszenia się liczby sąsiadów dla atomów powierzchni jest obniżenie temperatury Curie w porównaniu z wartością dla litych materiałów. Efekt ten można wytłumaczyć za pomocą modelu Heisenberga, w którym temperatura Curie zależy zwykle liniowo od siły oddziaływania wymiany i liczby sąsiadujących atomów [3]. Nanocząstki magnetyczne mają wiele zastosowań, wśród których można wymienić ciecze ferromagnetyczne, systemy obrazowania czy urządzenia o zwiększonej gęstości zapisu danych. Duży stosunek powierzchni do objętości sprawia, że znaczna część atomów, które znajdują się na powierzchni nanocząstki, sprzęga się magnetycznie w różny sposób ze swoimi sąsiadami. To z kolei prowadzi do właściwości magnetycznych innych niż te spotykane w ciele stałym o standardowych wymiarach. W odróżnieniu od makroskopowych ferromagnetyków, które składają się z wielu domen magnetycznych, nanocząstki magnetyczne często zbudowane są tylko z jednej domeny. Nanocząstki tego typu mogą wykazywać superparamagnetyzm, który wiąże się z losowym orientowaniem momentów magnetycznych atomów z powodu nieporządku termicznego, które ulegają uporządkowaniu tylko pod wpływem przyłożonego zewnętrznego pola magnetycznego. Techniki pomiarowe użyteczne w badaniach opisywanych struktur to miedzy innymi magnetometr SQUID, waga magnetyczna Faradaya, EPR, XPS oraz RHEED. W szczególności czułym urządzeniem do badań magnetycznych jest magnetometr SQUID, który charakteryzuje wysoka dokładność pomiarów, możliwość badań w wysokich polach magnetycznych i w szerokim zakresie temperatur. Studiując literaturę przedmiotu można zauważyć, że w badaniach klasterów magnetycznych istotną rolę odgrywają symulacje komputerowe testujące, na konkretnych obiektach, różne modele oddziaływań magnetycznych. Połączenie wyników eksperymentalnych, modelów teoretycznych oraz zaawansowanych algorytmów optymalizacyjnych pozwala na stworzenie wielu narzędzi pomocnych w analizie jakościowej i ilościowej tego typu układów. Załóżmy, że w objętości badanego ciała znajdują się obiekty magnetyczne charakteryzujące się parametrami: moment magnetyczny obiektu μ, energia aktywacji obiektu E oraz liczba takich obiektów N(μ, E). Dystrybucję N można badać poprzez wykonanie serii pomiarów odwróconego namagnesowania (ang. magnetisation reversal). Rezultatem badania jest seria wartości namagnesowania M w funkcji czasu t, dla próbki po wcześniejszym magnetycznym nasyceniu oraz przyłożeniu pola Hk w przeciwnym kierunku. Z myślą o zastosowaniu metod numerycznych nie narzucając przy tym ścisłych założeń odnośnie kształtu dystrybucji N(μ, E), współrzędne μ oraz E można podzielić na kanały o wymiarach Δμ i ΔE, a następnie ponumerować indeksami i oraz j (=0,1,2,3...). Namagnesowanie całego badanego ciała (po zmianie pola) jest różnicą obiektów które odwróciły swój moment magnetyczny oraz tych, które pozostały bez zmian. Zakładając, że przeskok (ang. pinning) namagnesowania w obiekcie jest aktywowany termicznie, mierzone wartości namagnesowania można opisać zależnością: t M (t,H k )=∑ ∑ N ij 1−2exp − τ ij i j [ ( )] gdzie τ ij =τ 0 exp τ ij =0 ( jΔE−iμ 0 ΔμH k kBT ) ∀ij jΔE≥iμ0 ΔμH k ∀ij jΔE<iμ0 ΔμH k Obiekty, spełniające drugi z przypadków powodują natychmiastowy skok namagnesowania, który na krzywych doświadczalnych można zaobserwować jako M0=M(t=0). Określanie konkretnej dystrybucji Nij można przeprowadzić za pomocą rożnych numerycznych metod optymalizacji z funkcją celu uwzględniającą wiele krzywych eksperymentalnych, w rożnych polach, jednocześnie. Warto pokreślić, że jednoczesna analiza wielu krzywych, skoku namagnesowania (t=0) oraz ewolucji czasowej (t>0, będącej superpozycją elementarnych eksponent) daje dodatkowe informacje w procedurze optymalizacji, zatem możliwe jest numeryczne rozwiązanie problemu nawet gdy układ jest niedookreślony. Równocześnie jednak dla dużej ilości danych omawiany problem staje się bardzo złożony i wymaga zastosowania pomysłowych metod optymalizacji. Skutecznych rozwiązań dostarcza klasa tzw. Algorytmów ewolucyjnych inspirowanych strategiami stosowanymi przez samą przyrodę. Na wymianę zasługują m.in. Algorytmy genetyczne (ang. Genetic algorithm) wzorowane na procesie ewolucji i replikacji DNA, metoda Particle sworm optimisation naśladująca zachowania zwierząt stadnych oraz Symulowane wyżarzanie (ang. Simulated annealing). W ramach proponowanego tematu przewiduje się otrzymanie szerokiej klasy materiałów o rozmiarach nanometrycznych, ich optymalizację oraz dalsze badania przy użyciu dostępnej aparatury. Analiza otrzymanych wyników eksperymentalnych zostanie rozwinięta o zastosowanie metod numerycznych. [1] A. J. Freeman, Re-quian Wu J. Magn. Mag. Mater 100 (1991) 497 [2] R. Wu, A. J. Freeman J. Magn. Magn. Mat. 137 (1994) 127 [3] H. Ibach, H. Lüth Fizyka Ciała Stałego, PWN Warszawa 1996 Fig 1: SQUID