Wyniki wyszukiwania - BazTech

1

The determination of the magnetoelectric coupling coefficient in ferroelectric-ferromagnetic composite based on PZT-ferrite

Bartkowska J. A., Zachariasz R., Bochenek D., Ilczuk J.

Archives of Metallurgy and Materials

|

2013

|

Vol. 58, iss. 4

1401--1403

EN

In the present work, the magnetoelectric coupling coefficient, from the temperature dependences of the dielectric permittivity for the multiferroic composite was determined. The research material was ferroelectric-ferromagnetic composite on the based PZT and ferrite. We investigated the temperature dependences of the dielectric permittivity (ε) for the different frequency of measurement’s field. From the dielectric measurements we determined the temperature of phase transition from ferroelectric to paraelectric phase. For the theoretical description of the temperature dependence of the dielectric constant, the Hamiltonian of Alcantara, Gehring and Janssen was used. To investigate the dielectric properties of the multiferroic composite this Hamiltonian was expressed under the mean-field approximation. Based on dielectric measurements and theoretical considerations, the values of the magnetoelectric coupling coefficient were specified.

PL

W niniejszej pracy określono współczynnik sprzężenia magnetoelektrycznego na podstawie pomiarów temperaturowych zależności przenikalności dielektrycznej, wykonanych dla multiterroikowego kompozytu. Materiałem badań był ferroelektryczno-ferromagnetyczny kompozyt powstały na bazie PZT i ferrytu. Przebadano temperaturowe zależności przenikalności dielektrycznej (ε) dla kilku różnych częstotliwości pola pomiarowego. Z pomiarów dielektrycznych określono temperaturę przemiany fazowej z fazy ferroelektrycznej do fazy paraelektrycznej. Do teoretycznego opisu temperaturowych zależności stałej dielektrycznej zastosowano hamiltonian Alcantary, Gheringa i Janssena. Do badania własności dielektrycznych multiterroikowego kompozytu, hamiltonian ten został przedstawiony w przybliżeniu średniego pola. Bazując na pomiarach dielektrycznych oraz teoretycznych rozważaniach określono wartość współczynnika sprzężenia magnetoelektrycznego.

2

On Spins and Genes

Miękisz J., Szymańska P.

Mathematica Applicanda

|

2012

|

Vol. 40, No. 1

15-25

EN

Many processes in natural and social sciences can be modeled by systems of interacting objects. It is usually very difficult to obtain analytic expressions describing time evolution and equilibrium behavior of such systems. Very often we rely only on computer simulations. Fortunately, in many cases one can construct useful approximation schemes and derive exact results which capture some specific features of a given process. A frequent approach is to replace interactions between objects by a mean interaction. Here we illustrate a self-consistent mean-field approximation in two examples: the Ising model of interacting spins and a simple model of a self-regulating gene.

PL

Naszym celem jest zrozumienie i przewidywanie zachowania się układów wielu oddziałujących obiektów, takich jak cząstki i spiny w fizyce statystycznej czy geny i białka w biologii molekularnej. Jako matematycy pragniemy udowadniać twierdzenia i wyprowadzać analityczne wzory. Bardzo szybko okazuje się, ze w istotnych zastosowaniach jest to niemożliwe. Co robić? Część z nas ucieka w wyrafinowane symulacje komputerowe. Czy nie ma innej drogi? Czy jesteśmy ograniczeni do wyboru pomiędzy Matematyka i Mathematica? Na pomoc przychodzi metoda samouzgodnionego pola średniego. Ferromagnetyczny model Isinga i samoregulujący się gen zilustrują nam te niezwykle uniwersalna metodę otrzymywania przybliżonych rozwiązań analitycznych

3

Mean-Field energy of elementary grain arrangements in wet granular ensembles

Błaszczuk J.

Prace Naukowe Instytutu Matematyki i Informatyki Politechniki Częstochowskiej

|

2008

|

Vol. 7, nr 1

11-15

EN

The energy of elementary grain arrangements in wet granular system is analyzed within the Mean Field Approximation. For an ensemble of vibrating grain it is calculated how the mean free energy of a grain depends on its surface curvature and porosity.

4

Coloured-noise-induced transitions in nonlinear structures

Mankin R., Laas T., Soika E., Sauga A., Rekker A., Ainsaar A., Ugaste U.

Nukleonika

|

2008

|

Vol. 53, No. 3

127-134

EN

In a stochastic framework, macroscopic approaches are sought to describe microscopic interaction between different species. Coloured-noise-induced transitions in stochastic N-species Lotka-Volterra systems are considered analytically as an appropriate model extendable to many natural and nano-technological processes. All the results discussed are computed by means of a dynamical mean-field approximation. It is demonstrated that interplay of coloured noise and interaction intensities of species can generate a variety of cooperation effects, such as discontinuous transitions of the mean population density, noise-induced Hopf bifurcations and relaxation oscillation. The necessary conditions for the cooperation effects are also discussed. Particularly, it is established that, in the case of the Beddington functional response, in certain parameter regions of the model an increase in noise correlation time can cause multiple transitions (more than two) between relaxation oscillatory regimes and equilibrium states.

5

Stochastic Neural Networks for Feasibility Checking

Strausz G.

International Journal of Applied Mathematics and Computer Science

|

1999

|

Vol. 9, no 4

921-937

EN

Complex diagnosis problems, defined by high-level models, often lead to constraint-based discrete optimization tasks. A logical description of large, complex systems usually contains numerous variables. The first test of the logical description is typically to check the feasibility in order to know that there is no contradiction in the model. This can be formulated as an optimization problem and methods of discrete optimization theory can then be used. The purpose of the paper is to show that stochastic neural networks can be applied to this type of tasks and the networks are efficient tools for finding feasible or good-quality configurations. Boltzmann and mean-field neural networks were tested on large-sized complex problems.The paper presents simulation results obtained from a real application task and compares the performance of the neural networks being examined.