[논문 리뷰] Micromagnetic Monte Carlo method with variable magnetization length based on the Landau-Lifshitz-Bloch equation for computation of large-scale thermodynamic equilibrium states

Serban Lepadatu|arXiv (Cornell University)|2021. 06. 10.

Magnetic properties of thin films참고 문헌 56인용 수 10

한 줄 요약

이 논문은 마그네틱 회전과 길이 변화를 모두 허용하는 시도 이동을 통해 대규모 열역학적 평형 상태를 효율적으로 계산할 수 있는 Landau-Lifshitz-Bloch 방정식 기반의 마이크로자기 Monte Carlo (MMC) 방법을 소개한다. 이 방법은 자화 길이의 Maxwell-Boltzmann 분포를 정확히 재현하며, GPU에서 완전히 병렬화 가능하고, 동적 sLLB 방법 대비 최대 19.2배의 속도 향상을 달성하여, 고립막 및 인공 스핀 아이스를 포함한 복잡한 자기 시스템의 유한온도 시뮬레이션에 이상적이다.

ABSTRACT

An efficient method for computing thermodynamic equilibrium states at the micromagnetic length scale is introduced, using the Markov chain Monte Carlo method. Trial moves include not only rotations of vectors, but also a change in their magnetization length. The method is parameterized using the longitudinal susceptibility, reproduces the same Maxwell-Boltzmann distribution as the stochastic Landau-Lifshitz-Bloch equation, and is applicable both below and above the Curie temperature. The algorithm is fully parallel, can be executed on graphical processing units, and efficiently includes the long range dipolar interaction. This method is generally useful for computing finite-temperature relaxation states both for uniform and non-uniform temperature profiles, and can be considered as complementary to zero-temperature micromagnetic energy minimization solvers, with comparable computation time. Compared to the dynamic approach it is shown the micromagnetic Monte Carlo method is up to almost 20 times faster. Moreover, unlike quasi-zero temperature approaches which do not take into account the magnetization length distribution and stochasticity, the method is better suited for structures with unbroken symmetry around the applied field axis, granular films, and at higher temperatures and fields. In particular, applications to finite-temperature hysteresis loop modelling, chiral magnetic thin films, granular magnetic media, and artificial spin ices are discussed.

연구 동기 및 목표

• 모든 온도, 특히 Curie 온도 이상에서도 마이크로자기 척도에서 열역학적 평형 상태를 효율적으로 계산할 수 있는 방법을 개발하기 위해.
• 영온도 에너지 최소화 및 동적 sLLB 방법의 한계를 해결하기 위해, 자화 길이의 변동을 포착하지 못하거나 효율성이 떨어지는 문제를 해결하기 위해.
• 자화 길이 분포를 적절히 고려함으로써, 유한온도 히스테리시스, 편향성 자기 필름, 고립 매체, 인공 스핀 아이스의 정확한 시뮬레이션을 가능하게 하기 위해.
• 계산적으로 효율적이면서도 물리적으로 정확한 방법을 개발하여 자유 에너지의 정확한 Maxwell-Boltzmann 분포를 재현하기 위해.

제안 방법

• 이 방법은 마이크로자기 벡터의 자화 회전과 길이 변화를 포함하는 시도 이동을 사용하는 마코프 체인 Monte Carlo 접근법을 채택한다.
• 수렴이 정확한 Maxwell-Boltzmann 분포의 자화 길이에 도달하도록 보장하기 위해, 상세 평형 조건을 사용하여 수락 확률을 유도한다.
• 장방향 자화율을 사용하여 알고리즘을 매개변수화함으로써, 스토케스틱 Landau-Lifshitz-Bloch 방정식의 통계적 행동과 직접 연결한다.
• 자기적 분산장은 반복마다 한 번만 갱신되며, 이는 장거리 상호작용의 느린 상관관계에 기반하여 정당화된다.
• 이 방법은 오픈소스 Boris 프레임워크에 구현되어 있으며, 완전히 병렬화되어 GPU 가속을 가능하게 한다.
• 장거리 도퍼러 상호작용을 반복마다 한 번의 자화 분산장 갱신을 통해 효율적으로 통합함으로써 정확도를 유지하면서도 속도를 향상시킨다.

실험 결과

연구 질문

• RQ1 자화 길이의 변동을 포함하는 마이크로자기 Monte Carlo 방법이 유한온도에서 자유 에너지의 정확한 Maxwell-Boltzmann 분포를 재현할 수 있는가?
• RQ2 제안된 MMC 방법의 성능은 계산 시간과 정확도 측면에서 동적 sLLB 방법과 비교해 어떻게 되는가?
• RQ3 이 방법은 유한온도에서 편향성 자기 필름, 고립 자기 매체, 인공 스핀 아이스와 같은 복잡한 시스템을 효율적으로 시뮬레이션할 수 있는가?
• RQ4 열역학적 정확도를 훼손하지 않고도 병렬 MMC 환경에서 반복마다 자화 분산장을 한 번만 갱신하는 것이 타당한가?
• RQ5 영온도 에너지 최소화 솔버에 비해 계산 시간은 빠르면서도, 유한온도 상태에서 물리적 정확성을 유지할 수 있는가?

주요 결과

• 유한온도 타원형 문제에 대해 GPU에서 MMC 방법은 sLLB 방법의 14,342초 대비 747초로 최대 19.2배의 속도 향상을 달성했다.
• CPU에서 2차원 타원형 문제에 대해 17.6배의 속도 향상이 나타나 하드웨어에 관계없이 일관된 성능 향상을 입증했다.
• 이 방법은 자화 길이의 Maxwell-Boltzmann 분포를 정확히 재현하여 통계역학적 기반의 타당성을 입증했다.
• 반복마다 자화 분산장을 한 번만 갱신하는 방식이, 매 수락 이동 후 갱신하는 순차적 방법과 구분되지 않을 정도로 결과가 동일하여, 정확도를 잃지 않은 채 계산 효율성을 확보했다.
• 이 방법은 유한온도 히스테리시스 루프, DMI를 포함한 편향성 자기 박막, 고립 매체, 인공 스핀 아이스를 성공적으로 모델링하여 광범위한 적용 가능성을 입증했다.
• 알고리즘이 완전히 병렬화되어 GPU 실행과 호환되며, 이전에는 동적 방법으로는 실현 불가능했던 대규모 시뮬레이션을 가능하게 했다.