Как распознать магнитное упорядочение в антиферромагнетиках?

Исследователи из Центра эмергентной материальной науки RIKEN (CEMS) Наоки Огава и Зицян Ван разработали инновационный метод визуализации магнитного упорядочения в антиферромагнитных материалах, открывая новые перспективы для создания более совершенных устройств хранения данных.
Как распознать магнитное упорядочение в антиферромагнетиках?
Изображение носит иллюстративный характер

Традиционные жесткие диски используют ферромагнетики, где магнитные диполи или спины направлены в одном направлении, создавая чистое магнитное поле. Данные хранятся в виде определенных паттернов намагниченности, что делает их легко считываемыми.

Антиферромагнетики представляют собой альтернативную технологию, где соседние спины выровнены в противоположных направлениях. Отсутствие результирующего магнитного поля из-за взаимной компенсации спинов делает эти материалы потенциально более быстрыми, компактными и устойчивыми к ошибкам.

Основная сложность работы с антиферромагнетиками заключается в необходимости обеспечения регулярного антипараллельного упорядочения спинов. Материал разделяется на магнитные домены с различными паттернами чередования в соседних областях, что существенно затрудняет их визуализацию.

Новый метод, разработанный учеными, основан на световой детекции, усиленной применением электрического поля. Это позволило повысить видимость доменов до 90%, что значительно эффективнее предыдущих подходов, использующих комбинацию магнитных и электрических полей.

Исследования проводились на двумерном кристалле, содержащем марганец, фосфор и серу. Такая структура оказалась оптимальной для демонстрации новой технологии визуализации магнитного упорядочения.

Следующим этапом развития технологии станет разработка сверхбыстрого метода локального управления доменами, что приблизит создание практических устройств памяти на основе антиферромагнетиков.


Новое на сайте

20873Как Chrome и Safari мешают мошенникам красть данные? 20872Может ли один запрос взломать сервер на PHP? 20871Что скрывает критическая уязвимость GitLab с оценкой CVSS 10,0? 20870Как LiteLLM 1.107.0 превратили в ловушку для учётных данных? 20869Когда ИИ-агенты отключают контроль 20868Уязвимости Plex открыли путь майнерам и Linux-бэкдору 20867Взлом OpenCode Console: под угрозой могли оказаться ключи OpenAI, Anthropic и Google 20866Rank Math PRO: заражённое обновление оставило на сайтах самовосстанавливающийся бэкдор 20865Как исследовательские модели OpenAI обходили ограничения и присваивали чужие данные 20864Атака на BeyondTrust: шпионская группа получила доступ к серверам поддержки 20863Как пакет imgdecode превращает npm-зависимость в загрузчик вредоносного кода? 20862Как PEERSTITCH обходит проверки VPN-сессий FortiOS? 20861Что происходит, когда ИИ-агент выходит за пределы тестовой среды? 20860Как 37-летняя ошибка открыла путь к root в OpenBSD 7.9? 20859ИИ-модели для SOC: точный ответ зависит от улик
Ссылка