We report on a highly efficient spin diode effect in an exchange-biased spin-valve giant magnetoresistance (GMR) strips. In such multilayer structures, symmetry of the current distribution along the vertical direction is broken and, as a result, a non-compensated Oersted field acting on the magnetic free layer appears. This field, in turn, is a driving force of magnetization precessions. Due to the GMR effect, resistance of the strip oscillates following the magnetization dynamics. This leads to rectification of the applied radio frequency current and induces a direct current voltage $V_{DC}$. We present a theoretical description of this phenomenon and calculate the spin diode signal, $V_{DC}$, as a function of frequency, external magnetic field, and angle at which the external field is applied. A satisfactory quantitative agreement between theoretical predictions and experimental data has been achieved. Finally, we show that the spin diode signal in GMR devices is significantly stronger than in the anisotropic magnetoresistance permalloy-based devices.


翻译:我们报告了一个高度高效的旋转二极效应,它存在于一个交替的旋转阀巨磁磁场中。在这样的多层结构中,沿着垂直方向的当前分布的对称被打破,结果出现了一个无补偿的Oersted场,在磁自由层上运行。这个字段反过来又成为磁化预割的驱动力。由于GMR效应,带状振荡在磁化动态后具有抗力。这导致应用的无线电频率流的校正,并引出直接流的 $V ⁇ DC$。我们从理论上描述这一现象,计算旋转二极信号$V ⁇ DC$,作为频率、外部磁场和外部应用角度的函数。在理论预测和实验数据之间达成了令人满意的数量协议。最后,我们表明,GMR装置的旋极二极信号比以反声磁场为基础的设备要强得多。

0
下载
关闭预览

相关内容

第26届SPIN研讨会旨在将对软件分析和软件模型自动化工具技术感兴趣的研究人员和实践者聚集在一起,以进行验证和确认。研讨会特别关注并发软件,但不排除对顺序软件的分析。提交的资料包括理论结果、新算法、工具开发和经验评估。官网链接:https://conf.researchr.org/track/spin-2019/spin-2019-papers
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
5+阅读 · 2018年4月22日
Arxiv
5+阅读 · 2015年9月14日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员