Interface roughness influence on exchange bias effect in La2/3Ca1/3MnO3/La1/3Ca2/3MnO3 bilayers

Orozco-Hernández, G.; Urrea-Serna, J.; Jurado, J. F.; Vargas-Hernández, J. C.; Rojas, Juan; Restrepo, J.

doi:10.1007/s10853-010-4772-1

Cited by 3 publications

(2 citation statements)

References 41 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In NiCr 2 O 4 /NiO system, the perfect interface is lacking. Disordered interface between different phases can give rise to conflicting magnetic interaction leading to interfacial frustration which is responsible for SGL phase accompanied with uncompensated spins [25]. SGL phase at interface region leads to a complex exchange anisotropy resulting in exchange pinning.…”

Section: Resultsmentioning

confidence: 99%

Giant exchange bias behavior and training effect in spin-glass-like NiCr2O4/NiO ceramics

et al. 2015

View full text Add to dashboard Cite

NiCr 2 O 4 /NiO ceramic has been synthesized successfully through co-precipitation method to study the magnetic properties. Field cooling (FC) magnetic hysteresis loops measured at low temperature show significant shift in both coercive field and remnant magnetization. It has been plotted that the exchange bias (EB) field can be as large as 11.86 kOe at 10 K followed with an enhanced coercive field. The variation of EB field and shift of remnant magnetization after FC processes shows a regular tendency with increasing temperature and cooling field. Known as training effect, the EB behavior also presents a strong dependence on loop cycle. The cycle dependence of large EB field, vertical shift of magnetization, and coercive field at low temperature can be ascribed to the pinned spins in spin-glass-like (SGL) phase of the system interface. The SGL phase has been proved by Almeida-Thouless line and high field relaxation effect. The disorder structure is responsible for the frustration interface and the formation of SGL phase in the interface.

show abstract

Section: Resultsmentioning

confidence: 99%

Giant exchange bias behavior and training effect in spin-glass-like NiCr2O4/NiO ceramics

et al. 2015

View full text Add to dashboard Cite

show abstract

“…Otro sistema que también se ha simulado mediante el método Monte Carlo y que hace parte de las simulaciones con muestreo de importancia, es la microestructura de los materiales, un ejemplo es el crecimiento de granos en los materiales metálicos en donde se estudia por ejemplo la influencia de la anisotropía en las fronteras de grano y su movilidad a su vez como la distribución del tamaño de los mismo como se puede ver en la Figura 7 [45][46][47] o el estudio de la rugosidad en la interface de contacto entre dos tipos de materiales con estructura perovskita y de la forma La1/3Ca2/3MnO3 para el ferromagnético y La2/3Ca1/3MnO3 para el antiferromagnético [48]; esto se puede ver en la Figura 8 donde mediante Monte Carlo se genera todo el proceso de deposición de la primera capa con el material de comportamiento ferromagnético y luego se deposita la parte antiferromagnética y se observa el comportamiento y la influencia de la rugosidad en las propiedades magnéticas.…”

Section: Método De Monte Carlo De Muestreos Importantesunclassified

Fundamentos de simulación de materiales por medio del método de Monte Carlo

Hernández¹,

Flórez²

2014

Avances

View full text Add to dashboard Cite

El método Monte Carlo es una herramienta que ha sido ampliamente utilizada desde sus inicios en la década de los años 1940 principalmente en la ciencia e ingeniería de materiales aunque es aplicable a temáticas tan diversas como la economía, la sociedad y su comportamiento, la biología y hasta la medicina. El funcionamiento del método Monte Carlo se basa en el uso de números aleatorios y en poder llegar a describir el comportamiento de un sistema o explicar un fenómeno difícil de comprender y de presentar analíticamente. Se pretende dar una introducción a los fundamentos básicos del método Monte Carlo aplicado a la ciencia de materiales como también mostrar algunos ejemplos basados en el algoritmo propuesto por N. Metropolis y que ha permitido abordar problemas interesantes en el tema. Al mismo tiempo se incluyen ejemplos básicos con sus propios algoritmos desarrollados en el lenguaje de programación FOR-TRAN 95 y que ilustran bastante bien las bases del método de Monte Carlo. Palabras claveAlgoritmo de Metropolis, Método Monte Carlo, Simulación computacional. AbstractMonte Carlo method is a tool that has been widely used in materials science and engineering since its Fundamentos de simulación de materiales por medio del método de Monte Carlo

show abstract

Metal–insulator transition and hopping conduction mechanisms in the La0.7Ba0.3MnO3 compound

Jurado

Játiva

2013

Journal of Magnetism and Magnetic Materials

View full text Add to dashboard Cite

Interface roughness influence on exchange bias effect in La2/3Ca1/3MnO3/La1/3Ca2/3MnO3 bilayers

Cited by 3 publications

References 41 publications

Giant exchange bias behavior and training effect in spin-glass-like NiCr2O4/NiO ceramics

Giant exchange bias behavior and training effect in spin-glass-like NiCr2O4/NiO ceramics

Fundamentos de simulación de materiales por medio del método de Monte Carlo

Metal–insulator transition and hopping conduction mechanisms in the La0.7Ba0.3MnO3 compound

Contact Info

Product

Resources

About