Title (eng)
Shape optimization of tunneling magnetoresistance sensor design via automated micromagnetic simulations
Author
Claas Vitus Friedrich Fillies
Advisor
Lukas Exl
Assessor
Lukas Exl
Abstract (deu)
Diese Arbeit präsentiert ein Open-Source-basiertes, modulares Simulationsframework zur Optimierung von Hysteresekurven magnetischer Proben. Der Fokus liegt auf Dünnschicht-Weichmagneten aus Ni80 Fe20, die als freie Schicht in Tunnelmagnetowiderstandssensoren (TMR-Sensoren) eingesetzt werden sollen. Mittels Bayesscher Optimierung wird eine kontinuierliche Größenoptimierung für drei verschiedene Geometrien durchgeführt. Ziel ist es, den Feldbereich Rlin zu maximieren, innerhalb dessen die Magnetisierung linear auf Änderungen des externen Magnetfeldes reagiert. Mit einem Wert von 0.172 T zeigt der elliptische Zylinder den breitesten linearen Reaktionsbereich, was darauf hinweist, dass geometrische Formen mit geringerer Kantenzahl ein erhöhtes Rlin aufweisen. Eine analytische Formulierung für Rlin wird hergeleitet, wobei eine nahezu perfekte lineare Korrelation (Pearson-Koeffizient 0.999) zu numerisch berechneten Werten festgestellt wird. Darüber hinaus wird der Bayessche Optimierer als geeignetes Mittel zur Dimensionsoptimierung der Geometrien vorgestellt, und es wird ein Überblick über die Feinabstimmung der Hyperparameter gegeben. Das vorgestellte Simulationsframework ist modular aufgebaut, um eine breite Anwendbarkeit in Forschung und Industrie zu ermöglichen.
Abstract (eng)
This study presents an open-source, modular simulation framework for optimizing the hysteresis curves of magnetic samples. A focus is directed toward Ni80 Fe20 thin-film soft magnets, intended to act as the free layers in tunneling magnetoresistance (TMR) sensors. Using Bayesian optimization a continuous size optimization is performed to compare three different shapes. The objective is to maximize the field range Rlin , within which the magnetizations exhibit a linear response to variations in the external magnetic field. With 0.172 T, the elliptical cylinder exhibited the broadest field range of linear response, indicating that shapes with fewer edges exhibit an enhanced Rlin . Analytical expressions for Rlin were derived, and a near-perfect linear correlation (Pearson coefficient of 0.999) to the numerical computed values is observed. Further the Bayesian optimizer is presented as a suitable tool to optimize the dimensions of the shapes, and an overview of the hyperparameter tuning is provided. The presented simulation framework is designed in a modular fashion to enable a broad range of use cases in research and industrial applications, and guidelines for modification are given.
Keywords (deu)
SimulationsframeworkDünnschicht-WeichmagnetenBayesscher Optimierung
Keywords (eng)
Soft MagnetsTunneling Magnetoresistance SensorsBayesian Optimization
Subject (deu)
Type (deu)
Persistent identifier
Extent (deu)
viii, 65 Seiten : Illustrationen
Number of pages
74
Study plan
Masterstudium Computational Science
[UA]
[066]
[910]
Association (deu)
Title (eng)
Shape optimization of tunneling magnetoresistance sensor design via automated micromagnetic simulations
Author
Claas Vitus Friedrich Fillies
Abstract (deu)
Diese Arbeit präsentiert ein Open-Source-basiertes, modulares Simulationsframework zur Optimierung von Hysteresekurven magnetischer Proben. Der Fokus liegt auf Dünnschicht-Weichmagneten aus Ni80 Fe20, die als freie Schicht in Tunnelmagnetowiderstandssensoren (TMR-Sensoren) eingesetzt werden sollen. Mittels Bayesscher Optimierung wird eine kontinuierliche Größenoptimierung für drei verschiedene Geometrien durchgeführt. Ziel ist es, den Feldbereich Rlin zu maximieren, innerhalb dessen die Magnetisierung linear auf Änderungen des externen Magnetfeldes reagiert. Mit einem Wert von 0.172 T zeigt der elliptische Zylinder den breitesten linearen Reaktionsbereich, was darauf hinweist, dass geometrische Formen mit geringerer Kantenzahl ein erhöhtes Rlin aufweisen. Eine analytische Formulierung für Rlin wird hergeleitet, wobei eine nahezu perfekte lineare Korrelation (Pearson-Koeffizient 0.999) zu numerisch berechneten Werten festgestellt wird. Darüber hinaus wird der Bayessche Optimierer als geeignetes Mittel zur Dimensionsoptimierung der Geometrien vorgestellt, und es wird ein Überblick über die Feinabstimmung der Hyperparameter gegeben. Das vorgestellte Simulationsframework ist modular aufgebaut, um eine breite Anwendbarkeit in Forschung und Industrie zu ermöglichen.
Abstract (eng)
This study presents an open-source, modular simulation framework for optimizing the hysteresis curves of magnetic samples. A focus is directed toward Ni80 Fe20 thin-film soft magnets, intended to act as the free layers in tunneling magnetoresistance (TMR) sensors. Using Bayesian optimization a continuous size optimization is performed to compare three different shapes. The objective is to maximize the field range Rlin , within which the magnetizations exhibit a linear response to variations in the external magnetic field. With 0.172 T, the elliptical cylinder exhibited the broadest field range of linear response, indicating that shapes with fewer edges exhibit an enhanced Rlin . Analytical expressions for Rlin were derived, and a near-perfect linear correlation (Pearson coefficient of 0.999) to the numerical computed values is observed. Further the Bayesian optimizer is presented as a suitable tool to optimize the dimensions of the shapes, and an overview of the hyperparameter tuning is provided. The presented simulation framework is designed in a modular fashion to enable a broad range of use cases in research and industrial applications, and guidelines for modification are given.
Keywords (deu)
SimulationsframeworkDünnschicht-WeichmagnetenBayesscher Optimierung
Keywords (eng)
Soft MagnetsTunneling Magnetoresistance SensorsBayesian Optimization
Subject (deu)
Type (deu)
Persistent identifier
Number of pages
74
Association (deu)
License
- Citable links
- Other links
- Managed by
- Details
- Usage statistics-
- Metadata
- Export formats