Det finns gott om spekulationer om vilken artificiell intelligens, eller AI, kommer att se ut i framtiden, men forskare från The Australian National University (ANU) utnyttjar redan dess kraft.

Gruppen från ANU Department of Quantum Science har experimenterat med att fånga atomer vid mycket kalla temperaturer, i sina ansträngningar att bygga ett kvantkommunikationsnätverk.

Nu har de utvecklat ett artificiellt neuralt nätverk med AI för att hjälpa dem köra sina experiment. Baserat löst på den mänskliga hjärnan, neurala nätverk tillåter datorer att "lära sig" att utföra uppgifter.

"Vi använder AI för att styra ett stort antal ingångar till vårt experiment – ​​de olika laser- och magnetfältsinställningarna – för att hitta bästa möjliga experimentella förhållanden, " sa Dr Geoff Campbell, postdoktor vid Centrum för kvantberäknings- och kommunikationsteknik.

"Eftersom vi har så många input kan vi bara göra välgrundade gissningar baserat på vår förståelse av vad som fungerar bäst, men AI är bättre på det än vi är."

Kalla atomer är en viktig del av ny teknik som precisionssensorer och atomur.

Den senaste forskningen har visat potentialen för AI att optimera kalla atomsystem. Lösningen som hittas av AI kan fånga dubbelt så många kalla atomer på halva tiden.

"AI:n i vårt experiment hittade en lösning som är mycket effektiv och trotsar vår intuition. Hundra studenter som arbetat i 100 år skulle förmodligen aldrig hitta den, " sa docent Ben Buchler.

"Vårt huvudsakliga forskningsfokus är att utveckla en kvantrepeater, en enhet som kan användas för att skicka kvantinformation över långa avstånd. För att det ska fungera, vi måste fånga så många kalla atomer som möjligt i den. Svårigheten är att det är nästan omöjligt att bygga en komplett modell av hur atomerna interagerar med varandra, så vi måste optimera experimentet genom att trial and error. AI låter oss göra det mer effektivt."

Även om denna AI användes för en specifik uppgift, forskarna är övertygade om att det skulle kunna ha mycket bredare tillämpningar.

"AI används i ett ständigt ökande antal roller, från att optimera prestandan för våra mobila enheter till storskalig dataanalys, sa professor Lam.

"Det kommer bara att bli mer vanligt när det utvecklas till ett allmänt verktyg som kan befria forskare från tråkig optimering av experimentella inställningar i labbet."

Teamet tror att programmet kan användas för att förbättra en mängd olika experiment med många indataparametrar, inte bara inom kvantinformationsfältet.

Ser man bortom ren forskning, de säger att det också kan ha en stor inverkan på industri- och tillverkningsprocesser genom att öka effektiviteten och minska kostnaderna.

"Detta är ett exempel på en större trend där AI blir mindre exotisk och snart kommer att ses som ytterligare ett verktyg som forskarvärlden kan använda, sa professor Lam.