Doctorado en Física - Tesis

URI permanente para esta colección

https://rephip.unr.edu.ar/handle/2133/17833

Examinar

Examinando Doctorado en Física - Tesis por Autor "0000-0002-5085-742X"

Mostrando 1 - 1 de 1
  • Miniatura
    ÍtemAcceso Abierto
    Excitaciones topológicas en nanopartículas ferroeléctricas
    (2024-04-08) Di Rino, Franco Nicolás; Sepliarsky, Marcelo; Luk'yanchuk, Igor; 0000-0002-5085-742X
    Los materiales ferroeléctricos a escala nanométrica despiertan un gran interés tanto en el ámbito científico como en el industrial debido a sus propiedades singulares, derivadas de su capacidad para cambiar su polarización espontánea. Estas propiedades, combinadas con sus características dieléctricas, ferroelásticas y piezoeléctricas distintivas, abren la puerta a una amplia variedad de nuevas funcionalidades y aplicaciones tecnológicas. Recientes investigaciones en sistemas ferroeléctricos nanométricos muestran la presencia de novedosas excitaciones topológicas que contradicen la idea de que el campo de polarización uniforme es el estado de mínima energía. Estos resultados han generado nuevos interrogantes sobre la naturaleza de dichas estructuras y su potencial utilidad en aplicaciones prácticas, las cuales podrían materializarse mediante la manipulación de diferentes estados topológicos. El objetivo de esta tesis es contribuir al conocimiento de las estructuras polares emergentes en nanoestructuras ferroeléctricas y piezoeléctricas y a los mecanismos involucrados en la estabilización de las diferentes excitaciones topológicas. Empleando nanopartículas de titanato de plomo (PbTiO3) como sistema prototipo, se estudiaron efectos superficiales, de forma y de tamaño finito sobre su comportamiento. Durante el desarrollo de la tesis se realizaron principalmente simulaciones numéricas mediante el método de dinámica molecular con un modelo atomístico de capas. Además, los cómputos a nivel atómico se combinaron con cálculos analíticos y simulaciones “phase field”. La sinergia de combinar tres enfoques diferentes permitió aprovechar las fortalezas de cada una de las descripciones para obtener una descripción multiescala del problema, logrando resultados novedosos y con un alto grado de confiabilidad.