Изучению различных свойств ультратонких пленок, в том числе и магнитных, посвящено большое количество экспериментальных работ [1–3]. Интерес к таким объектам очень высок из-за широкого спектра практического применения этих систем. Благодаря сильному влиянию формы и кристаллографической анизотропии подложки магнитное упорядочение в ультратонких ферромагнитных пленках очень сложно. В связи с этим теоретические расчеты спиновых моделей и разработка методов компьютерного моделирования имеют важное значение для рационализации и управления новыми экспериментами.
Большое количество явлений проявляются в статистических системах с медленной динамикой. К таким явлениям относятся: резкое замедление процессов релаксации, эффекты памяти, эффекты старения и т.д. Ввиду этого в последнее время системы с медленной динамикой вызывают большой теоретический и экспериментальный интерес [4–7]. После длительного времени система с медленной динамикой даже после малого возмущения не достигает равновесия. В связи с этим ее динамика не является инвариантной ни к переносу времени, ни к обращению времени, как это обычно происходит в тепловом равновесии. Эффекты старения проявляются во время этой бесконечной релаксации. Таким образом, двухвременные величины, такие как отклик и корреляционные функции, зависят от двух времен: времени ожидания tw и времени наблюдения t – tw (t > tw), и их затухание в зависимости от t происходит медленнее при больших tw. В отличие от одновременных величин (например, параметра порядка), сходящихся к асимптотическим значениям в пределе больших времен, двухвременные величины явно характеризуются признаками старения.
Были исследованы тонкие ферромагнитные пленки, описываемые гамильтонианом Гейзенберга:
Моделирование проводилось для систем размером ${{N}_{S}} = L \times L \times N,$ где N – число слоев в пленке, а L = 128 – линейный размер слоя. Мы использовали алгоритм Метрополиса для обновления спиновых конфигураций. Моделирование проводилось при критической температуре TC = 1.15 для N = 3 монослоя (МС), Tc = 1.31 для N = 5 МС, TC = 1.39 для N = 7 МС [8–10] и различных начальных состояниях m0 = 1, m0 = 0.0001 $ \ll $ 1.
Эффективная константа анизотропии Δ(N) [8, 9] в зависимости от толщины пленки N была выбрана из экспериментальных исследований температуры Кюри TC для тонких пленок Ni(111)/W(110) [10] с различной толщиной пленки Ni. При этом максимальное значение критической температуры соответствует максимальному значению константы анизотропии Δ(N) = 1. При дальнейшем росте толщины пленки константа анизотропии стремится к нулю. В данной работе расчеты проводились для Δ(N = 3) = 0.636, Δ(N = 5) = 0.734, Δ(N = 7) = 0.816.
Для изучения явлений старения были рассчитаны временные зависимости двухвременной автокорреляционной функции
Релаксация автокорреляционной функции C(t, tw) для пленки толщиной N = 3 МС при различных значениях времени ожидания tw = 200, 100, 70, 50, 20, 0 MCS/s из различных начальных состояний: высокотемпературного m0$ \ll $ 1 (а) и низкотемпературного m0 = 1 (б).
Автокорреляционная функция наглядно демонстрирует наличие трех характерных режимов: квазиравновесного режима в моменты времени (t – tw) $ \ll $ tw и неравновесного режима в моменты времени (t – tw) $ \gg $ tw. В моменты времени (t – tw) ~ ~ tw имеет место кроссоверный режим с зависимостью корреляционных характеристик от времени ожидания [11]. При меньших значениях времени tw автокорреляция быстро релаксирует до плато Ceq ~ $m_{{eq}}^{2}$ ~ t–2β/νz и только при больших значениях t – tw спадает до нуля. Более того, для разных значений tw данные характеризуются разными законами убывания, что означает нарушение временнóй инвариантности. Поведение автокорреляционной функция демонстрирует замедление процессов релаксации с увеличением tw. Так, например, автокорреляционная функция спадает со значения 1 до 0.01 для tw = 20 за 659 MCS/s, для tw = 50 за 1146 MCS/s, для tw = 70 за 1419 MCS/s, для tw = 100 за 1805 MCS/s, для tw = 200 за 2546 MCS/s при моделировании из высокотемпературного начального состояния m0 $ \ll $ 1 (рис. 1а). При моделировании из низкотемпературного начального состояния m0 = 1 релаксация автокорреляционной функции со значения 1 до 0.01 происходит быстрее для tw = 20 за 22 MCS/s, для tw = 50 за 26 MCS/s, для tw = 70 за 31 MCS/s, для tw = 100 за 40 MCS/s, для tw = 200 за 78 MCS/s (рис. 1б). Вместе с упомянутой выше медленной динамикой это нарушение временной инвариантности является вторым определяющим свойством стареющих систем. Таким образом моделирование динамического процесса из полностью упорядоченного состояния наиболее предпочтительно из-за меньшего влияния флуктуаций на результаты.
Для оценки времени корреляции наших систем мы рассчитываем безразмерную динамическую корреляционную функцию R(t, tw) [12] для различной толщины пленки N = 3, 5, 7 МС и для различного времени ожидания tw = 20, 50, 70, 100, 200 MCS/s:
Зависимости безразмерной динамической корреляционной функции R(t, tw) от времени представлены на рис. 2а. При достаточно больших временах R(t, tw) убывает экспоненциально:
Безразмерная динамическая корреляционная функция R(t, tw) (а) для тонких пленок с N = 3 МС при различных временах ожидания tw= 200, 100, 70, 50, 20 MCS/s и соответствующая среднеквадратичная погрешность аппроксимации (б) от выбранного временного интервала.
По наклону временной зависимости безразмерной динамической корреляционной функции R(t, tw) (рис. 2а) построенной в логарифмическом масштабе можно оценить значение времени корреляции τcor. Минимум среднеквадратичной погрешности аппроксимации (рис. 2б) для N = 3 достигается на интервале [700; tright] для tright = 2000 при tw = 200, для tright= 2000 при tw = 100, для tright = = 2400 при tw = 70 и для tright= 3500 при tw = 50.
Значения времени корреляции представлены на рис. 3. Величина времени корреляции τcor демонстрирует наличие эффектов старения в тонких гейзенберговских пленках. Увеличение возраста системы tw приводит к увеличению значения τcor.
В спиновых системах при фазовых переходах второго рода проявляются эффекты критического замедления, т.е. увеличение времени корреляции τcorпри приближении к критической точке Tc. Степенной характер асимптотической зависимости τcor определяется универсальным динамическим критическим показателем z:
где ν – критический показатель корреляционной длины.Для независимой оценки динамического критического индекса z в данной работе был проведен расчет кумулянта F2(t):
Временная зависимость кумулянта F2(t) позволяет определить отношение d/z по углу наклона кривой, построенной в двойном логарифмическом масштабе. Были получены следующие значения данного отношения для различных толщин пленок d/z = 1.0224(2) для N = 3 МС, d/z = 1.0146(3) для N = 5 МС, d/z = 1.0985(2) для N = 7 МС.
Значение самого динамического критического индекса z было получено с использованием эффективной размерности системы deff, которая была получена из гиперскейлингового соотношения γ/ν + 2β/ν = deff. Используя значения статических критических индексов из [8] была найдена эффективная размерность системы deff= 2.007 (125) для пленок с толщиной N = 3 МС, deff = 1.992 (98) для пленок с толщиной N = 5 МС, deff = 2.158 (135) для пленок с толщиной N = 7 МС. Были получены соответствующие значения динамического критического индекса z = 1.827(99) для N = 3, z = = 1.963(192) для N = 5, z = 2.111(131) для N = 7. Таким образом пленки с толщиной N = 3, N = 5 демонстрируют критическое поведение, характерное для квазидвумерных систем.
В критическом поведении тонких гейзенберговских пленках проявляются эффекты старения. На это указывает временное поведение автокорреляционной функции. С увеличением времени ожидания tw происходит замедление процессов релаксации в системах. Выполнена оценка времени корреляции. Увеличение возраста системы tw приводит к увеличению значения τcor. Величина времени корреляции τcor демонстрирует наличие эффектов старения в тонких гейзенберговских пленках.
При уменьшении размеров магнитных систем происходит усилением флуктуаций спиновой плотности и проявляются эффектов критического замедления. Таким образом эффекты старения проявляются в неравновесном поведении низкоразмерных магнитных систем.
Исследование выполнено при финансовой поддержке Министерства образования и науки Российской Федерации (договор 0741-2020-0002) и Совета по грантам Президента Российской Федерации (проект № МД-2229.2020.2). Вычислительные исследования поддержаны за счет ресурсов, предоставленных Центром коллективного обслуживания “ЦОД ДВО РАН” (Хабаровск) [13].