自旋电子学器件仿真中的静磁场仿真：退磁场计算与建模要点

自旋电子学器件仿真这个方向这两年问的人明显多了起来。前阵子有人拿着一个磁性隧道结模型来找我说微磁学里的磁化翻转始终不对翻转场差得离谱。我第一反应不是去调自旋极化电流而是问他静磁场仿真这一步做了吗退磁场算准了吗很多人做自旋电子学器件仿真眼睛一直盯着自旋转移矩、自旋轨道矩这些“动态”参数却忽略了一个事实整个动力学过程都建立在一个极其关键的静态量之上那就是由磁性层自身磁化产生的退磁场。静磁场仿真就是专门用来把这个问题搞清楚的手段它也是自旋电子学器件仿真里最容易被低估、却又最影响结果准确性的一环。这篇文章我尽量按自己做项目的思路来写从器件原理、工具选择、控制方程到具体建模步骤和踩坑记录把静磁场仿真在自旋电子学器件仿真中的位置梳理一遍。适合刚接触微磁学仿真、用COMSOL或OOMMF做磁性器件分析、以及想弄清楚为什么退磁场会“莫名其妙”干扰磁化行为的同学参考。1. 自旋电子学器件仿真到底在仿什么1.1 先看清楚器件的工作原理自旋电子学器件种类不少磁性隧道结MTJ、自旋阀spin valve、自旋轨道矩器件SOT-MRAM、赛道存储器等但它们都有一个共同点器件的功能状态由磁性层的磁化方向决定。以最常见的MTJ为例结构上是两层铁磁层夹一层极薄的绝缘势垒层两层铁磁层分别叫固定层和自由层。固定层的磁化方向被设计成钉扎不动自由层的磁化方向则可以翻转。两层磁化方向平行时隧穿电阻低反平行时隧穿电阻高。这个电阻差异就是磁性随机存储器MRAM存储“0”和“1”的物理基础。所以自旋电子学器件仿真最核心的问题说穿了就是在外加磁场、自旋极化电流、应力或电压等作用下自由层的磁化矢量会怎样分布、怎样翻转、最终停在哪个状态。磁化矢量不是均匀的标量它是随空间变化的矢量场 M(r)在纳米尺度的磁性层里可能形成单畴、多畴、涡旋等复杂结构。要预测器件行为必须求解磁化矢量的空间分布和时间演化。1.2 静磁场仿真的目标不是“画磁场好看”我在跟人讨论的时候发现一个普遍误区觉得静磁场仿真就是把外磁场画出来看云图漂不漂亮。实际上静磁场仿真在自旋电子学器件里主要解决两个问题。第一计算器件内部的退磁场 Hd。退磁场是磁性层自身磁化产生的磁场它无源无旋长程作用依赖于整个磁化分布。磁性层一旦被磁化它自己就会产生一个与外磁场方向相反的场试图把磁化“掰”回去。磁性材料之所以存在矫顽力、形状各向异性、磁畴结构根源之一就是这个退磁场。自旋电子学器件的几何尺寸是纳米级的形状对退磁场的影响极其明显边缘区退磁场强度可以比内部高出一个数量级。第二给动力学仿真提供准确的初始态和有效场。微磁学里求解LLG方程时有效场 Heff 里包含了外场、交换场、各向异性场和退磁场。其中退磁场计算工作量最大、最容易出错。如果没有把静磁场仿真做扎实后面所有动态结果都会建立在“沙地上”。1.3 设计思路拆解先问自己要解决什么我自己的习惯是拿到一个自旋电子学器件仿真需求先分三步想清楚。第一步确定问题类型。是分析静态稳定性比如数据保持状态、热稳定性因子还是分析动态写入过程电流驱动磁化翻转、翻转时间静态问题往往退磁场占主导动态问题还必须耦合自旋转移矩和阻尼项。第二步确定维度与几何。纳米柱是圆形的还是椭圆形的薄膜厚度是否远小于其他两个方向如果厚度很小、面内尺寸几十纳米一般用三维全尺寸建模或者利用对称性做1/2或1/4模型。但要注意磁性薄膜的退磁场对三维几何非常敏感强行按无限大薄膜近似往往会丢掉边缘效应。第三步确定“静”到哪种程度。如果只计算给定磁化分布下的退磁场这是纯静磁问题线性、快速。如果要做自洽的平衡磁化分布就得把静磁方程和磁化极小化循环耦合起来。如果还要看翻转动态那就得进入微磁学的时域求解。这三类问题的工具选择和建模难度差别很大不要混在一起。想清楚这三步再进软件操作基本不会跑偏。2. 工具怎么选别一上来就套COMSOL2.1 通用有限元、专用微磁学、半解析工具自旋电子学器件仿真可以用的工具非常多但按定位大致分三类。第一类是通用有限元电磁场仿真软件典型代表是COMSOL Multiphysics的AC/DC模块和ANSYS Maxwell。COMSOL的优势是自由度高能把静磁场和结构力学、热传导、电流场甚至半导体方程耦合起来缺点是微磁学动力学能力比较弱你需要自己写方程或借助外部接口。ANSYS Maxwell在传统电磁设备的静磁场分析上很成熟但在纳米磁性多层膜这种问题上建模偏“宏观”对交换耦合和各向异性的处理不够灵活。第二类是专用微磁学求解器典型是OOMMF、mumax3、Fidimag、MAGPAR这类。它们专门求解LLG方程内置了交换能、单轴各向异性能、退磁场、塞曼能等标准项上手快适合研究磁化动力学。mumax3大量使用GPU加速一块普通显卡就能跑上亿格子的微磁学模拟是现在做学术研究的主流选择。第三类是半解析工具或脚本比如用Python直接实现偶极场累加或者用magpylib这种库快速估算简单结构的退磁场。这类工具适合做前期的数量级估算和参数扫描写起来灵活但面对任意形状磁性体时会很吃力。我下面用表格把常用工具放一起方便对照工具类型静磁场仿真能力微磁学动力学优势与局限COMSOL AC/DC通用FEM强支持无限元/磁绝缘弱需自定义方程多物理场耦合好学习曲线陡ANSYS Maxwell通用FEM强适合电磁设备弱工程规范成熟纳米薄膜建模不灵活OOMMF专用微磁学内嵌自动计算Hd强经典稳定CPU串行速度慢mumax3专用微磁学内嵌自动计算Hd强GPU加速速度快适合大量参数扫描magpylib/Python半解析简单几何快速计算不可用适合估算不适合复杂形状2.2 组合打法静态场和动态过程分开跑我在实际项目里经常用的组合是前期用Python或解析公式估算退磁场量级确定器件设计是否合理然后用mumax3做微磁学动力学仿真直接得到磁化翻转过程和翻转电流密度最后如果涉及多物理场耦合比如电流分布不均匀引起的焦耳热、应力辅助翻转等再回到COMSOL里做联合求解。有些同学喜欢在一个软件里包打天下比如非要用COMSOL跑微磁学结果写LLG方程写到怀疑人生。其实更务实的做法是分开算。静态退磁场和动态磁化翻转都用微磁学工具完成因为它们已经非常成熟。只有当设备结构大到电流分布、温度场不能被忽略时才需要通用有限元软件介入。2.3 参数口径统一最容易翻车如果同时使用多个工具最需要注意的就是单位制和参数口径。OOMMF默认用SI和A/m但很多文献里饱和磁化强度Ms给的是emu/cc1 emu/cc等于1 kA/m换算时别忘了。mumax3同样用SI表格输入时要特别注意厚度单位。网格尺寸也要换着口径来理解。微磁学里有一个重要概念叫交换长度公式是 lex sqrt(2A / (μ0 Ms²))A是交换刚度常数Ms是饱和磁化强度。对CoFeB这类材料交换长度通常5纳米左右。网格必须小于交换长度一般取2到3纳米甚至更小才能解析磁畴壁结构。如果几何尺寸是几十纳米网格数就是百万级起步。对GPU求解器来说不是问题对CPU工具就非常吃力。3. 核心原理静磁场方程、退磁场和LLG方程3.1 静磁场控制方程标量势和矢势静磁场仿真的物理基础是麦克斯韦方程在静态条件下的特例。没有自由电流时安培环路定律变成 ∇×H 0这意味着静磁场H可以表示为一个标量磁势的梯度即 H -∇Vm。同时磁通密度B满足无源约束 ∇·B 0。材料本构关系是 B μ0 (H M)。把 H -∇Vm 代入 ∇·B 0得到 ∇²Vm ∇·M。这个方程是静磁场仿真的主力方程。右端的 ∇·M 可以理解为磁化矢量的“磁荷”也就是等效磁荷密度。磁性体内部磁化不均匀的地方会产生体磁荷磁性体表面法向磁化突变的地方会产生面磁荷。退磁场本质上就是由这些磁荷产生的场。通用有限元软件里更常用磁矢势A因为处理电流源比如导线中的电流很方便。但在自旋电子学器件的静磁场仿真中通常没有外部自由电流用标量势要简单得多未知量少、计算快。COMSOL的“磁场无电流”接口就是基于标量势的非常好用。边界条件方面两种接口需要留意。模型外边界一般设置磁绝缘即边界上磁通垂直分量连续等价于 n·B n·B_ext。为了让截断边界不影响器件附近真实场最稳妥的做法是加一层足够厚的空气域并在外层套无限元域。无限元域通过坐标拉伸把外边界推到“无穷远”可以显著减少空气域尺寸。3.2 退磁场自旋电子学器件的隐形老板退磁场就是磁性体自身磁化产生的场通常记为Hd。它的来源是磁荷但它的效果非常物理任何磁化分布都会在其内部产生一个与磁化方向相反的场。这个场趋于把磁化“消灭”因此铁磁体需要外力才能维持饱和磁化。均匀磁化的椭球体是唯一可以解析求解的情况。此时退磁场均匀写成 Hd -N·M其中N是退磁因子张量。对于无限大薄膜法向退磁因子 Nzz 1两个面内方向退磁因子为0。一个垂直于膜面磁化的薄膜退磁能密度为 (1/2) μ0 Ms²。这个能量非常大如果材料本身没有足够强的垂直各向异性自由层磁化就会被迫躺回面内。这也是自旋电子学器件设计里的经典矛盾。对垂直磁化MTJ需要有效垂直各向异性常数为正公式是 K_eff Ku - (1/2) μ0 Ms²。Ku来自CoFeB/MgO界面的界面各向异性后一项就是退磁能惩罚。薄膜越厚Ms体积项越强有效K越容易变成负值。对一个1nm左右的CoFeB层界面各向异性还能撑住垂直磁化一旦厚度过厚磁化就面内化了。这些定量判断靠脑子想不出来的必须先在静磁场仿真里把退磁能量算清楚。3.3 LLG方程和有效场静态结果怎么用起来有了静磁场仿真给出的退磁场Hd下一步就要把它塞进微磁学动力学方程里。微磁学的基础方程是Landau-Lifshitz-Gilbert方程常见形式是dM/dt -γ μ0 (M × Heff) (α / Ms) (M × dM/dt)右边第一项是进动项描述磁化绕有效场旋转第二项是阻尼项让磁化最终弛豫到与有效场平行的方向。有效场定义为体系自由能对M的泛函导数包含外磁场、交换场、各向异性场、退磁场有时还有自旋转移矩和热噪声场。退磁场是有效场里唯一的非局域项计算它需要知道整个磁性层的磁化分布。这也是为什么微磁学仿真里最吃计算量的是退磁场计算而不是交换场或各项异性能。mumax3会在每个时间步都对磁化分布做一次三维快速傅里叶变换来求解静磁方程GPU加速正是针对这一步。现在回过来看文章开头那个案例磁化翻转场差得离谱最常见的原因就是退磁场算错而退磁场算错又通常是因为几何模型简化过头或者初始磁化方向给了一个不满足真实物理的状态。静态仿真结果作为动力学仿真的初始态一个小偏差都可能被洛伦兹力放大最后翻转路径完全走样。4. 实操一个磁性隧道结的静磁场仿真全过程4.1 几何建模和材料参数我以一个典型的面内磁化MTJ单元为例尺寸大致是自由层CoFeB厚度1.3nm平面形状为椭圆形长轴60nm短轴30nm。固定层通常设计成人工反铁磁多层结构比如CoFe/Ru/CoFe但为了演示静磁场仿真先简化成单独的CoFeB层这样能快速看出退磁场的形状影响。在COMSOL里建三维模型时不需要把MgO势垒层、电极层都画出来因为静磁场关注的是磁性层本身的退磁场。势垒层和电极都是非磁性材料对退磁场分布几乎无影响除非你要算电流分布或温度场。所以模型中只画铁磁层再套一个空气盒空气盒外边界到磁性层表面的距离至少是器件特征尺寸的5到10倍或者直接用无限元域截断。材料参数参考值如下参数数值CoFeB典型值说明饱和磁化强度 Ms1.0e6 A/m约1000 kA/m单位换算注意交换刚度 A1.5e-11 J/m影响交换长度垂直各向异性 Ku0面内磁化模型若是垂直MTJ需要加 Ku≈1.3e5 J/m³阻尼因子 α0.01动力学时才用旋磁比 γ1.76e11 / (T·s)动力学时才用静磁场仿真中真正必需的只有Ms和几何因为退磁场大小与磁化强度线性相关。但如果你想同时计算平衡磁化分布就需要把交换能、各向异性能也加进来那时A和Ku就必需了。4.2 网格与边界成败往往在这里网格划分是静磁场仿真里最容易“看着没问题、实际错得离谱”的环节。磁性层厚度只有1.3nm面内尺寸却有几十纳米这是典型的大纵横比薄板结构。如果整体用均匀网格为了照顾厚度方向网格数量会爆炸如果只在厚度方向加密、面内用粗网格边缘退磁场尖峰又捕捉不到。我的做法是把磁性层内部用六面体扫掠网格厚度方向上至少3层单元面内单元尺寸控制在2nm左右。空气域用四面体网格靠近磁性层的地方加密外边界逐渐变粗。在COMSOL里可以设置磁性层边界处的最大单元尺寸为5nm空气域最大单元尺寸从30nm渐变到500nm。边界条件选磁绝缘空气盒外再套一个厚度等于空气盒尺寸的无限元域。求解器方面标量势静磁场问题是线性稳态问题默认的直接求解器稀疏矩阵求解很快。如果体系只有单个磁性层几百万自由度几分钟就能解完。但要注意如果模型中引入了非线性磁性材料或磁化方向与场的耦合迭代就必须用非线性Newton迭代这时收敛判断特别重要。4.3 求解和后处理学看退磁场而不是云图求解完成后很多人习惯先看“磁通密度模”的彩图。这个习惯在自旋电子学器件里有害无益。因为磁性薄膜内的磁通密度B主要是μ0Ms几乎处处一样你看不出任何关键信息。真正该看的是退磁场Hd的空间分布尤其是它的分量符号和梯度变化。我会在自由层中心面做一条沿长轴的截线然后绘制Hd的三个分量。一个面内均匀磁化的椭圆薄膜退磁场在中心区域近似均匀方向与磁化方向相反在椭圆两端边缘处退磁场会出现尖峰且方向发生偏转。这个“边缘尖峰”正是影响翻转核形成的决定因素。很多高效自旋轨道矩翻转策略其实就是主动利用边缘退磁场让器件先形成非均匀畴结构。后处理时记得把退磁场单位统一成A/m。1 Oe等于79.577 A/m这个换算最容易出错。如果你习惯在OOMMF里用mT表示那就用 μ0 Hd 乘出来1 mT对应795.77 A/m。建议所有输出都用SI单位不要来回换算。4.4 动态耦合的思路如果你想进一步模拟磁化翻转没必要把COMSOL结果导出再手动塞进OOMMF。更顺手的做法是直接在mumax3里输入同样的几何和材料参数mumax3会自己在GPU上算退磁场。不过有一点要注意mumax3默认对计算区域施加周期性边界条件除非显式设置无边界条件PBC0,0,0否则单个器件会被周期性地复制成无限阵列退磁场结果完全不对。这个坑我见过不止一次。如果你确实需要COMSOL和微磁学联合仿真思路是在COMSOL里先算温度场、应力场或者电流密度分布然后把这些场映射为mumax3网格上的外加有效场或温度项再运行微磁学动力学。两者之间做单向耦合通常就足够准确了。5. 常见问题与排查技巧实录5.1 退磁场不收敛先怀疑边界和网格COMSOL里静磁场求解突然不收敛的场景我用一只手都数不过来。最常见的原因是空气域不够大边界截断导致磁荷在边界上积累出过大的虚拟场。解决方法是把空气域扩大或者在外部再加一层无限元域。第二种原因是磁性层边缘网格太粗。退磁场本质是磁荷在表面的积分边缘处法向方向突变面磁荷密度很高如果网格捕捉不到这个小区域积分场就会振荡。遇到振荡时不要盲目全局加密网格只需要在磁性层表面和边缘做局部加密。第三种原因是你不知不觉把非线性选项打开了或者磁性材料的磁导率被设成了一个和场强相关的函数。对自旋电子学器件静磁场仿真磁化M应该用固定值输入而不是依赖磁导率。COMSOL里如果不小心用了默认的“磁导率5”之类参数出来的退磁场根本不对。5.2 初始磁化方向设错一整套场分布全白算静磁场仿真需要输入磁化矢量M的方向。你说是给“初始磁化方向”但实际上在静态计算里这就是最终的磁化方向是一次性的输入。如果你设定自由层磁化沿x轴但实际器件在零磁场下沿y轴那么算出来的退磁场从第一秒起就是错误基准。排查办法是先做一个微磁学弛豫计算让磁化从任意初始方向弛豫到平衡态然后再导出这个平衡态的M作为静磁场仿真的输入。很多微磁学软件都支持输出磁化分布的VTK或OVF文件COMSOL可以直接读取并对齐坐标系。这一步多花十分钟省掉后面所有返工。5.3 边界截断带来的伪影即使没有收敛问题边界截断也会悄悄带来伪影。特征现象是退磁场云图在空气盒边界处出现“平行线”或者“泄漏”说明磁通穿过了磁绝缘边界。这里要给一个判断准则模型结果的关注区退磁场应该不受到空气盒尺寸变化的影响。你可以在模型参数里把空气盒尺寸扩大一倍重新求解然后比较关注区的场。如果有明显变化说明截断范围还不够。对多铁层结构比如固定层和自由层之间存在偶极耦合这种情况模拟难度更大。两层的退磁场相互叠加产生一个垂直方向上的耦合场会让两层磁化趋向反平行或平行排列。这种效应在磁性隧道结里是重要的驱动机制。如果你发现仿真结果里两层磁化“各干各的”先检查是否漏了两层之间的空气间隙建模。MgO势垒层只有1纳米左右几何上非常薄但它的存在破坏了磁性层之间的直接交换耦合只保留偶极耦合。有些同学把两层磁性层紧贴在一起建模忽略了势垒层退磁场结果完全失真。5.4 常见问题速查表现象可能原因解决建议退磁场不收敛空气域太小/网格过粗/误用了非线性扩大边界局部加密检查材料参数边缘退磁场尖峰偏高表面网格不够细在磁性层表面设置最大单元尺寸≤2nm磁化弛豫方向错误初始化方向不物理先做微磁学弛豫再导入平衡态两层退磁耦合异常势垒层缺失或厚度为0保留至少1nm MgO层建模后处理数值差一个数量级单位换算错误Oe/A/m/mT统一换算怎么加密网格结果都不变网格收敛了问题出在边界或激励检查空气域和M输入方向6. 实操心得静磁场仿真在自旋电子学里还能怎么用6.1 先用解析解验算别急着跑全模型任何静磁场仿真的第一步我都建议先用解析解验算模型。比如一个球形磁性颗粒退磁因子是1/3内部退磁场 Hd -Ms/3。你再建一个半径50nm的球算一下如果数值与解析解相差超过1%先别急着搭复杂器件。再比如无限大薄膜法向退磁因子是1而有限尺寸圆盘中心处法向退磁因子略小于1边缘处显著变化。这种“小验证”能帮你快速发现坐标系、单位和边界设置问题。做完解析验算再进入全模型你会发现自己省掉大量迷惑期。6.2 参数敏感性与实验校准材料参数不是从文献抄来就能直接用的。CoFeB的Ms会随厚度变化超薄CoFeB层因为界面死层效应有效Ms可能比块体低20%到30%。这直接改变退磁能和器件的稳定性。所以我把静磁场仿真当成一个可以“量化校准”的模型如果手头有实测的磁滞回线就先调整Ms、Ku、交换常数等参数让仿真回线和实验重合然后再去预测新几何结构的行为。这种校准过程看起来费时间其实非常值得。一个在正常范围内但数值错误的Ms对退磁场的影响是线性的你可能会觉得“反正趋势对就行”但到了动态翻转预测阶段偏差会被放大最后你甚至分不清是物理模型错还是参数错。6.3 静磁场仿真的边界在哪里最后聊点我个人对工具边界的理解。静磁场仿真的物理内核是麦克斯韦方程的静态极值它本身不包含磁化翻转的时间演化信息。你可以在静态仿真里看到不同磁化构型对应的退磁场分布但你无法知道系统如何从一个构型跳到另一个构型。这必须交给LLG动力学。所以合理的项目路径是先用静磁场仿真理解器件的能量地形和退磁场约束再用微磁学动力学仿真验证翻转过程最后用实验校准。三步缺一不可。很多人忽略第一步直接做第二步结果就是遇到一个“仿真结果不收敛”或“翻转场异常”时根本不知道去哪查。我在实际项目中还经常利用静磁场仿真做参数扫描比如扫描椭圆尺寸、薄膜厚度、固定层厚度看退磁场和耦合场怎么变化。这类扫描在mumax3里很快GPU几分钟就能跑完几十组参数。但切记扫描之前一定要把单个模型的准确性验证好否则你扫描出的“最优参数”可能只是网格误差里的一个偶然值。最后再分享一个小习惯我每次建模的第一步都会在笔记本上写下三行字——模型解决什么问题、关注的场量是什么、什么误差可以接受。静磁场仿真太容易让人沉迷到云图和模型美观里这三行字能让你在八百步操作之后仍然知道自己在做什么。