|
| |
|
|
Modeling and study of quasi-two-dimensional magnetic materials
Priessnitz, Jan ; Baláž, Pavel (vedoucí práce) ; Legut, Dominik (oponent)
Dzyaloshinskii-Moriya interakce (DMI) je druh výměnné interakce přítomný v necen- trosymetrických strukturách. Způsobuje natáčení (canting) spinů a je to důležitý me- chanismus stabilizace nekolineárních magnetických struktur, například skyrmionů, které mají aplikační potenciál ve spintronice. Dále hraje DMI důležitou roli v multiferoikách a podporuje magnetoelektrický jev. Oba tyto jevy jsou často pozorovány ve vrstevnatých materiálech. Tato práce zkoumá, skrz numerické simulace, efekt out-of-plane DMI (ve směru kolmo na rovinu) na magnetické uspořádání na dvourozměrné triangulární mřížce. Využívá kla- sický Heisenbergův model spolu se simulačními metodami Markov Chain Monte Carlo a spinové dynamiky. Kromě DMI obsahuje Hamiltonián modelu také feromagnetickou výměnnou interakci mezi nejbližšími sousedy a interakci s externím magnetickým polem. V první části jsou vypočítány vlastnosti systému za nulové teploty pro různé síly DMI a externího magnetického pole a je zkonstruován fázový diagram. Jsou pozorovány tři různé fáze: feromagnetická, antiferomagnetická cykloidální a kónická, která je kombinací předchozích dvou. Druhá část se zaměruje na vlastnosti systému za konečné teploty, počínaje měrnou tepelnou kapacitou, magnetizací a magnetickou susceptibilitou. DMI neovlivňuje kritic- kou teplotu uspořádání, ale...
|
|
|
Reconstruction of magnetic configurations using machine learning approaches
Vargicová, Tatiana ; Baláž, Pavel (vedoucí práce) ; Žonda, Martin (oponent)
Názov práce: Rekonštrukcia magnetických konfigurácí pomocou metód strojového učenia Autor: Tatiana Vargicová Katedra / Ústav: Katedra fyziky kondenzovaných látek Vedúcí bakalárskej práce: RNDr. Pavel Baláž, Ph. D. Fyzikální ústav AV ČR Abstrakt: Táto práca je zameraná na vytvorenie autoencoderu vhodného na rekonštrukciu magnetických konfigurácií s výhľadom na použitie v úlohe rozpoznávania fáz. Konkrétne, skúma sa ako sa zmení úspešnosť autoencodéru ak do jeho stratovej fukcie implementuje Hamiltonián. Bolo zistené, že účinok Hamiltoniánu je špecifický pre danú magnetickú fázu. Pre špirálovú fázu sa rekonštrukcia výrazne zlepší. Naopak, pre niektoré prechodné fázy sa rekonštrukcia veľmi zhorší. To bol najmä prípad špirál s merónmi. Okrem MSE chyby sa vyšetrovala aj chyba zachovania spinovej energie. Zistilo sa, že hamiltoniánový člen zlepšuje zachovanie spinovej energie pre všetky magnetické fázy. Kľúčové slová: neuróvé siete, Heisenbergov model, autoenkóder, rekonštrukcia
|
|
|
Mozkem inspirované přístupy v kvantové fyzice
Menšíková, Jana ; Baláž, Pavel (vedoucí práce) ; Pokorný, Vladislav (oponent)
Neuronové sítě jsou užitečným nástrojem, který nachází uplatnění v rozličných oborech: od zpracování dat a optického rozeznávání znaků, přes řízení dopravní signalizace, až po predikce vývoje dynamických systémů. V poslední době se ukazují být slibnou metodou pro řešení kvantově-mechanických spinových systémů, kde neuronová síť vystupuje jako ansatz reprezentující vlnovou funkci. V případě Heisenbergova modelu se osvědčilo použití omezených Boltzmannových strojů, v této práci se tedy blíže zaměříme na jeho zobecnění, J1-J2 model v jedné i dvou dimenzích, a zjistíme, zda jsou omezené Boltzmannovy stroje vhodnou architekturou i pro spinové systémy s frustrací.
|
|
|
Analýza magnetických skyrmionů pomocí metod strojového učení
Dušek, Ondřej ; Baláž, Pavel (vedoucí práce) ; Žonda, Martin (oponent)
Název práce: Analýza magnetických skyrmionů pomocí metod strojového učení Autor: Ondřej Dušek Katedra / Ústav: Katedra fyziky kondenzovaných látek Vedoucí bakalářské práce: RNDr. Pavel Baláž, Ph.D., Katedra fyziky kondenzovaných látek Abstrakt: V rámci této práce byly zkoumány fáze feromagnetických mřížkek získaných Monte Carlo simulacemi pro Heisenbergův hamiltonián pomocí metod strojového učení. Byla použita metoda nejbližších centroidů, metoda Support Vector Machines a hluboké konvoluční neuronové sítě. Byla porovnána a diskutována úspěšnost jednotlivých metod a pro parametry Heisenbergova hamiltoniánu B a D (tedy velikost magnetického pole a parametr D Dzyaloshinskii-Moriya interakce) byl sestrojen fázový diagram. U konvolučních neuronových sítí byly vyzualizovány výstupy konvolučních vrstev, což nabízí vhled do jejich procesu klasifikace, a byl proveden odhad hranice mezi klasifikovanými fázemi. Oproti již provedeným pracím byly v této práci zkoumány výrazně větší mřížky, na kterých se objevovaly zvláštní varianty zkoumaných fází, a pokročilejší metody strojového učení. Některým jednodušším metodám činila klasifikace větších mřížek obtíže, ovšem námi vytvořený finální model hluboké konvoluční neuronové sítě dokázal fáze klasifikovat velmi spolehlivě a poradil si i s mřížkami s problematickými fázemi....
|
host ::
RSS.