The S=1/2 Heisenberg spin chain compound SrCuO2 doped with different amounts of nickel (Ni), palladium (Pd), zinc (Zn) and cobalt (Co) has been studied by means of Cu nuclear magnetic resonance (NMR). Replacing only a few of the S=1/2 Cu ions with Ni, Pd, Zn or Co has a major impact on the magnetic properties of the spin chain system. In the case of Ni, Pd and Zn an unusual line broadening in the low temperature NMR spectra reveals the existence of an impurity-induced local alternating magnetization (LAM), while exponentially decaying spin-lattice relaxation rates $T_1^{-1}$ towards low temperatures indicate the opening of spin gaps. A distribution of gap magnitudes is proven by a stretched spin-lattice relaxation and a variation of $T_1^{-1}$ within the broad resonance lines. These observations depend strongly on the impurity concentration and therefore can be understood using the model of finite segments of the spin 1/2 antiferromagnetic Heisenberg chain, i.e. pure chain segmentation due to S = 0 impurities. This is surprising for Ni as it was previously assumed to be a magnetic impurity with S = 1 which is screened by the neighboring copper spins. In order to confirm the S = 0 state of the Ni, we performed x-ray absorption spectroscopy (XAS) and compared the measurements to simulated XAS spectra based on multiplet ligand-field theory. Furthermore, Zn doping leads to much smaller effects on both the NMR spectra and the spin-lattice relaxation rates, indicating that Zn avoids occupying Cu sites. For magnetic Co impurities, $T_1^{-1}$ does not obey the gap like decrease, and the low-temperature spectra get very broad. This could be related to the increase of the Neel temperature which was observed by recent muSR and susceptibility measurements, and is most likely an effect of the impurity spin $S\neq0$.


翻译:S=1/2 Heisenberg 螺旋链化合物 SrCuO2 使用镍(Ni)、 ⁇ (Pd)、锌(Zn)和钴(Co)的不同量的硬度(镍)、 ⁇ ( ⁇ )、锌(Zn)和钴(Co)进行了研究。S=1/2 Cuion仅用镍、Pd、Zn或Co来代替少数S=1/2 Cuion,对旋转链系统的磁性影响很大。对于Ni、Pd和Zn,低温NMR光谱中不同程度的测量显示存在杂质导致的本地交替磁化(LAM),而快速腐蚀的旋拉伸缩率($_Z_1 ⁇ -1})则表示开阔差距。通过松散的旋转拉伸缩和1美元($T_1 ⁇ -1美元)在宽度线中的变异度中可以证明。这些观测结果主要取决于低度浓度,因此可以理解,而通过微量的磁度(O/2 递解) 递解(O-I) 的分解) 和直径(Sy) 递解) 的分解(Smax) 的分解(Smaxxx) 的分解结果) 的分解(Sil=)的分解(Sil=)的分解)的分解(Smax) ) 直成的分解) 的分解(S)。

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
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
160+阅读 · 2019年10月12日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
LeetCode的C++ 11/Python3 题解及解释
专知
16+阅读 · 2019年4月13日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+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
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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
The Measure of Intelligence
Arxiv
7+阅读 · 2019年11月5日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Learning to Importance Sample in Primary Sample Space
Adversarial Reprogramming of Neural Networks
Arxiv
3+阅读 · 2018年6月28日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关VIP内容
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
160+阅读 · 2019年10月12日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
相关资讯
LeetCode的C++ 11/Python3 题解及解释
专知
16+阅读 · 2019年4月13日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+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
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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
The Measure of Intelligence
Arxiv
7+阅读 · 2019年11月5日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Learning to Importance Sample in Primary Sample Space
Adversarial Reprogramming of Neural Networks
Arxiv
3+阅读 · 2018年6月28日
Arxiv
3+阅读 · 2018年2月24日
Top
微信扫码咨询专知VIP会员