特開 2025-16144 制御装置、プログラム、及びシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025016144

(43)【公開日】2025-01-31

(54)【発明の名称】制御装置、プログラム、及びシステム

(51)【国際特許分類】

   G06F 9/50 20060101AFI20250124BHJP

【ＦＩ】

G06F9/50 120Z

【審査請求】有

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2023119222

(22)【出願日】2023-07-21

(71)【出願人】

【識別番号】501440684

【氏名又は名称】ソフトバンク株式会社

(74)【代理人】

【識別番号】110000877

【氏名又は名称】弁理士法人ＲＹＵＫＡ国際特許事務所

(72)【発明者】

【氏名】川井 雄登

(57)【要約】      （修正有）

【課題】制御装置、プログラム及びシステムを提供する。
【解決手段】制御装置１００と、ＣＰＵとＧＰＵとを備えるシステムにおいて、制御装置の制御部は、ｖＲＡＮの機能であるｖＲＡＮ機能をＣＰＵのリソース及びＧＰＵのリソースを用いて実行するｖＲＡＮ実行部と、ｖＲＡＮの制御に関連するＡＩの機能であるＲＡＮ ＡＩ機能を、ＧＰＵのリソースを用いて実行するＲＡＮ ＡＩ実行部と、ｖＲＡＮ実行部及びＲＡＮ ＡＩ実行部に対するＧＰＵのリソースを割り当てを管理する管理部と、を備える。
【選択図】図６

【特許請求の範囲】

【請求項1】

ｖＲＡＮ（Ｖｉｒｔｕａｌ Ｒａｄｉｏ Ａｃｃｅｓｓ Ｎｅｔｗｏｒｋ）の機能であるｖＲＡＮ機能をＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のリソース及びＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のリソースを用いて実行するｖＲＡＮ実行部と、
前記ｖＲＡＮの制御に関連するＡＩの機能であるＲＡＮ ＡＩ機能を、前記ＧＰＵのリソースを用いて実行するＲＡＮ ＡＩ実行部と
を備える制御装置。

【請求項2】

前記ｖＲＡＮ実行部及び前記ＲＡＮ ＡＩ実行部のうち、前記ｖＲＡＮ実行部に対して優先的に前記ＧＰＵのリソースを割り当てるよう管理する管理部
を備える、請求項１に記載の制御装置。

【請求項3】

前記管理部は、前記ｖＲＡＮ実行部が前記ＣＰＵ及び前記ＧＰＵを用いて前記ｖＲＡＮ機能を実行しているときに前記ＧＰＵの処理負荷を監視し、前記ＧＰＵの処理負荷が予め定められた閾値より低くなった場合に、前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加する、請求項２に記載の制御装置。

【請求項4】

前記管理部は、前記ｖＲＡＮ実行部の処理負荷が予め定められた閾値よりも高い場合において、前記ｖＲＡＮ実行部による物理層の信号処理の処理負荷が予め定められた閾値よりも高いと判定した場合に前記ｖＲＡＮ実行部に割り当てる前記ＧＰＵのリソースの量を増加し、前記ｖＲＡＮ実行部による、前記ｖＲＡＮにおける移動体通信端末からの接続要求に対する接続処理の処理負荷が予め定められた閾値よりも高いと判定した場合に前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加する、請求項２に記載の制御装置。

【請求項5】

前記管理部は、前記ｖＲＡＮ実行部が前記ＣＰＵのリソース及び前記ＧＰＵのリソースを用いて前記ｖＲＡＮ機能を実行しているときに、前記ｖＲＡＮが混雑すると予測された場合に、前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加する、請求項２に記載の制御装置。

【請求項6】

前記制御装置は、Ｎｅａｒ－ＲＴ ＲＩＣ（ＲＡＮ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌｌｅｒ）として機能し、
前記ＲＡＮ ＡＩ実行部は、前記ＧＰＵのリソースを用いて、Ｎｏｎ－ＲＴ ＲＩＣから取得した学習済モデルを用いた前記ｖＲＡＮの制御に関連する推論処理を実行する、請求項１に記載の制御装置。

【請求項7】

前記ＲＡＮ ＡＩ実行部は、前記ｖＲＡＮに関連するデータを用いた機械学習を実行することによって前記学習済モデルを更新し、更新した前記学習済モデルを用いた前記推論処理を実行する、請求項６に記載の制御装置。

【請求項8】

前記ｖＲＡＮにアクセスする移動体通信端末に対してサービスを提供する機能であるサービス提供機能を、前記ＧＰＵのリソースを用いて実行するサービス実行部
を備え、
前記管理部は、前記ｖＲＡＮ実行部、前記ＲＡＮ ＡＩ実行部、及び前記サービス実行部のうち、前記ＧＰＵのリソースを、前記ｖＲＡＮ実行部、前記ＲＡＮ ＡＩ実行部、前記サービス実行部の順で優先的に割り当てるよう制御する、請求項２に記載の制御装置。

【請求項9】

コンピュータを、請求項１に記載の制御装置として機能させるためのプログラム。

【請求項10】

請求項１に記載の制御装置と、
前記ＣＰＵと、
前記ＧＰＵと
を備えるシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、制御装置、プログラム、及びシステムに関する。

【背景技術】

【0002】

特許文献１には、ＧＰＵ資源を動的に割当及び共有可能なコンテナに基づくＧＰＵ仮想化方法及びシステムについて記載されている。
［先行技術文献］
［特許文献］
［特許文献１］特表２０２０－５３７１９７号公報

【発明の概要】

【課題を解決するための手段】

【0003】

本発明の一実施態様によれば、制御装置が提供される。前記制御装置は、ｖＲＡＮ（Ｖｉｒｔｕａｌ Ｒａｄｉｏ Ａｃｃｅｓｓ Ｎｅｔｗｏｒｋ）の機能であるｖＲＡＮ機能をＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のリソース及びＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のリソースを用いて実行するｖＲＡＮ実行部を備えてよい。前記制御装置は、前記ｖＲＡＮの制御に関連するＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）の機能であるＲＡＮ ＡＩ機能を、前記ＧＰＵのリソースを用いて実行するＲＡＮ ＡＩ実行部を備えてよい。

【0004】

前記制御装置は、前記ｖＲＡＮ実行部及び前記ＲＡＮ ＡＩ実行部のうち、前記ｖＲＡＮ実行部に対して優先的に前記ＧＰＵのリソースを割り当てるよう制御する管理部を備えてよい。前記制御装置において、前記管理部は、前記ｖＲＡＮ実行部が前記ＣＰＵ及び前記ＧＰＵを用いて前記ｖＲＡＮ機能を実行しているときに前記ＧＰＵの処理負荷を監視し、前記ＧＰＵの処理負荷が予め定められた閾値より低くなった場合に、前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加してよい。

【0005】

前記いずれかの制御装置において、前記管理部は、前記ｖＲＡＮ実行部の処理負荷が予め定められた閾値よりも高い場合において、前記ｖＲＡＮ実行部による物理層の信号処理の処理負荷が予め定められた閾値よりも高いと判定した場合に前記ｖＲＡＮ実行部に割り当てる前記ＧＰＵのリソースの量を増加し、前記ｖＲＡＮ実行部による、前記ｖＲＡＮにおける移動体通信端末からの接続要求に対する接続処理の処理負荷が予め定められた閾値よりも高いと判定した場合に前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加してよい。

【0006】

前記いずれかの制御装置において、前記管理部は、前記ｖＲＡＮ実行部が前記ＣＰＵのリソース及び前記ＧＰＵのリソースを用いて前記ｖＲＡＮ機能を実行しているときに、前記ｖＲＡＮが混雑すると予測された場合に、前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加してよい。

【0007】

前記いずれかの制御装置は、Ｎｅａｒ－ＲＴ（Ｒｅａｌ Ｔｉｍｅ） ＲＩＣ（ＲＡＮ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌｌｅｒ）として機能してよい。前記制御装置において、前記ＲＡＮ ＡＩ実行部は、前記ＧＰＵのリソースを用いて、Ｎｏｎ－ＲＴ ＲＩＣから取得した学習済モデルを用いた前記ＲＡＮの制御に関連する推論処理を実行してよい。前記制御装置において、前記ＲＡＮ ＡＩ実行部は、前記ｖＲＡＮに関連するデータを用いた機械学習を実行することによって前記学習済みモデルを更新してよい。

【0008】

前記いずれかの制御装置は、前記ｖＲＡＮにアクセスする移動体通信端末に対してサービスを提供する機能であるサービス提供機能を、前記ＧＰＵを用いて実行するサービス実行部を備えてよい。前記制御装置において、前記管理部は、前記ｖＲＡＮ実行部、前記ＲＡＮ ＡＩ実行部、及び前記サービス実行部のうち、前記ＧＰＵのリソースを、前記ｖＲＡＮ実行部、前記ＲＡＮ ＡＩ実行部、前記サービス実行部の順で優先的に割り当てるよう制御してよい。

【0009】

本発明の一実施態様によれば、プログラムが提供される。前記プログラムは、コンピュータを、前記制御装置として機能させてよい。

【0010】

本発明の一実施態様によれば、システムが提供される。前記システムは、前記制御装置と、前記ＣＰＵと、前記ＧＰＵとを備えてよい。

【0011】

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

【図面の簡単な説明】

【0012】

【図1】従来技術について説明するための説明図である。

【図2】従来技術において、ＲＡＮ制御にＧＰＵを用いることを想定した想定図である。

【図3】制御装置１００の構成の一例について説明するための説明図である。

【図4】制御装置１００の構成の一例について説明するための説明図である。

【図5】制御装置１００の構成の一例について説明するための説明図である。

【図6】制御装置１００の機能構成の一例を概略的に示す。

【図7】制御装置１００による処理の流れの一例を概略的に示す。

【図8】制御装置１００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。

【発明を実施するための形態】

【0013】

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

【0014】

図１は、従来技術について説明するための説明図である。図２は、従来技術において、ＲＡＮ制御にＧＰＵを用いることを想定した想定図である。

【0015】

従来、ＲＡＮを仮想化したｖＲＡＮが知られている。一般的なｖＲＡＮでは、信号処理を、ＡＣＣ（Ａｃｃｅｌｅｒａｔｏｒ）等のハードウェアにオフロードしており、ＣＰＵ及びＡＣＣによってｖＲＡＮの機能（ｖＲＡＮ機能と記載する場合がある。）が実行されている。ｖＲＡＮ機能に加えて、ＲＩＣのようなＡＩを用いたＲＡＮ機能（ＲＡＮ ＡＩ機能と記載する場合がある。）を実行したい場合、ＡＣＣによってＲＡＮ ＡＩ機能を実行することは難しいので、ＲＡＮ ＡＩ機能についてはＣＰＵで実行することになる。

【0016】

例えば、図１に例示するように、ＣＰＵ１２及びＡＣＣ１４上に仮想化層・ＯＳ１６が構成され、仮想化層・ＯＳ１６上において、ｖＲＡＮ１８の機能及びＲＡＮ ＡＩ２０の機能が実行される。ｖＲＡＮ１８には、ＣＰＵ１２のリソース及びＡＣＣ１４のリソースが割り当てられて、ＣＰＵ１２及びＡＣＣ１４によってｖＲＡＮ１８が実行される。ＲＡＮ ＡＩ２０には、ＣＰＵ１２のリソースが割り当てられて、ＣＰＵ１２によってＲＡＮ ＡＩ２０が実行される。

【0017】

ＣＰＵ１２の負荷を下げ、ＲＡＮ ＡＩ機能を効率化するためにＧＰＵを用いることが考えられるが、図２に例示するように、別途ＧＰＵサーバ２２を用意する必要がある。ｖＲＡＮの信号処理をＧＰＵにオフロードするＧＰＵｖＲＡＮが知られているが、ＧＰＵｖＲＡＮにおいては、ＲＡＮ ＡＩ機能が考慮されていない。

【0018】

図３は、本実施形態に係る制御装置１００の構成の一例を概略的に示す。図３に示す例における制御装置１００は、ＣＰＵ１０２及びＧＰＵ１０４を備え、ＣＰＵ１０２及びＧＰＵ１０４上に仮想化層・ＯＳ１０６が構成されて、仮想化層・ＯＳ１０６上でｖＲＡＮ１０８の機能及びＲＡＮ ＡＩ１１０の機能が実行される。制御装置１００においては、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースを用いてｖＲＡＮ機能が実行され、ＧＰＵ１０４のリソースを用いてＲＡＮ ＡＩ機能が実行される。

【0019】

制御装置１００は、ｖＲＡＮ１０８及びＲＡＮ ＡＩ１１０のうち、ｖＲＡＮ１０８に対して優先的にＧＰＵ１０４のリソースを割り当ててよい。

【0020】

例えば、制御装置１００は、通常時は、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースをｖＲＡＮ機能に割り当ててｖＲＡＮ機能を実行し、ＧＰＵ１０４の処理負荷が予め定められた閾値より低い状態となった場合に、ＲＡＮ ＡＩ１１０に割り当てるＧＰＵ１０４のリソースの量を増加して、ＲＡＮ ＡＩ機能の実行を開始する。これにより、ｖＲＡＮ機能を安定的に実行しつつ、ｖＲＡＮ機能の負荷が低いときにＲＡＮ ＡＩ機能を実行するようにできる。ｖＲＡＮ機能を安定的に実行することによって、ｖＲＡＮにアクセスする移動体通信端末に対して安定した通信サービスを提供しつつ、ＲＡＮ ＡＩ機能によって、サービス品質の向上等を実現することができる。

【0021】

また、例えば、制御装置１００は、通常時は、ＣＰＵ１０２のリソースとＧＰＵ１０４のリソースをｖＲＡＮ１０８に割り当ててｖＲＡＮ機能を実行し、ｖＲＡＮ１０８へのＧＰＵ１０４のリソースの割り当て量よりも少ない量のＧＰＵ１０４のリソースをＲＡＮ ＡＩ１１０に割り当ててＲＡＮ ＡＩ機能を実行する。そして、制御装置１００は、ｖＲＡＮ機能の処理負荷が予め定められた閾値より低い状態となった場合に、ＲＡＮ ＡＩ１１０へのＧＰＵ１０４のリソースの割り当て量を増加する。これにより、ｖＲＡＮ機能を安定的に実行しつつ、ＲＡＮ ＡＩ機能によってサービス品質の向上等を実現し、ｖＲＡＮ機能の負荷が低いときにＲＡＮ ＡＩ機能を強化して、サービス品質の向上等により寄与する、といったことを実現することができる。

【0022】

また、例えば、制御装置１００は、通常時は、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースをｖＲＡＮ機能に割り当ててｖＲＡＮ機能を実行し、ｖＲＡＮの実行状況に基づいて、ｖＲＡＮが混雑するか否かを予測する。制御装置１００は、ｖＲＡＮが混雑すると予測した場合に、ＲＡＮ ＡＩ１１０に割り当てるＧＰＵ１０４のリソースの量を増加して、ＲＡＮ ＡＩ機能の実行を開始する。基本的に、ｖＲＡＮの実行状況に基づく予測よりも、ＲＡＮ ＡＩ機能を用いた予測の方が、精度が高いので、ＲＡＮ ＡＩ機能を実行することによって、ｖＲＡＮが混雑するか否かをより高精度に予測できる。ＲＡＮ ＡＩ機能によって、ｖＲＡＮが混雑すると判定した場合に、制御装置１００は対策を実行する。対策の一つとして、制御装置１００は、例えば、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行する。これにより、ｖＲＡＮが混雑してしまって、移動体通信端末に提供する無線通信サービスの品質が低下してしまう可能性を低減することができる。他の対策として、制御装置１００は、例えば、ＲＡＮ ＡＩ機能へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ機能に割り当てる。これにより、ｖＲＡＮ機能の処理能力を高めることができ、混雑が発生することを防いだり、混雑の度合いを低減することに貢献することができる。制御装置１００は、無線リソースの余り具合に応じた対策を実行してもよい。例えば、制御装置１００は、無線リソースの残量が予め定められた閾値より多い場合、ＲＡＮ ＡＩ機能へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ機能に割り当て、無線リソースの残量が閾値より少ない場合、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行する。無線リソースの残量が多い状態であれば、ＧＰＵ１０４のリソースをｖＲＡＮ機能に割り当てることによって、移動体通信端末の収容数を増やすことができ、混雑の低減に貢献し得るが、無線リソースの残量が少ない状態でＧＰＵ１０４のリソースをｖＲＡＮ機能に割り当てても、移動体通信端末の収容数を増やすことができず、混雑への対策とならない場合がある。制御装置１００によれば、そのような事情を考慮した制御を実現できる。

【0023】

また、例えば、制御装置１００は、通常時は、ＣＰＵ１０２のリソースとＧＰＵ１０４の一部のリソースをｖＲＡＮ１０８に割り当ててｖＲＡＮ機能を実行し、ｖＲＡＮ１０８へのＧＰＵ１０４のリソースの割り当て量よりも少ない量のＧＰＵ１０４のリソースをＲＡＮ ＡＩ１１０に割り当ててＲＡＮ ＡＩ機能を実行する。制御装置１００は、ＲＡＮ ＡＩ機能によって、ｖＲＡＮが混雑するか否かを予測する。ＲＡＮ ＡＩ機能によって、ｖＲＡＮが混雑すると判定した場合に、制御装置１００は、対策を実行してよい。対策の一つとして、制御装置１００は、例えば、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行する。他の対策として、制御装置１００は、例えば、ＲＡＮ ＡＩ機能へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ機能に割り当てる。制御装置１００は、無線リソースの余り具合に応じた対策を実行してもよい。例えば、制御装置１００は、無線リソースの残量が予め定められた閾値より多い場合、ＲＡＮ ＡＩ機能へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ機能に割り当て、無線リソースの残量が閾値より少ない場合、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行する。

【0024】

図４は、本実施形態に係る制御装置１００の構成の一例を概略的に示す。ここでは、図３と異なる点を主に説明する。本例における制御装置１００は、ｖＲＡＮ機能及びＲＡＮ ＡＩ機能に加えて、ＭＥＣ１１２の機能（ＭＥＣ機能と記載する場合がある。）を更に実行する。

【0025】

ＭＥＣ機能は、ｖＲＡＮにアクセスする移動体通信端末に対してサービスを提供する機能であるサービス提供機能の一例であってよい。サービス提供機能が提供するサービスは、どのようなサービスであってもよく、静止画像データ、動画像データ、音声データ、テキストデータ、及びセンサデータ等の各種データを分析するサービス、分析結果に応じた処理を実行するサービス、認証サービス、及び自動運転関連サービス等がその一例として挙げられるが、これらに限られない。

【0026】

制御装置１００は、ｖＲＡＮ１０８、ＲＡＮ ＡＩ１１０、及びＭＥＣ１１２のうち、ＧＰＵ１０４のリソースを、ｖＲＡＮ１０８、ＲＡＮ ＡＩ１１０、ＭＥＣ１１２の順で優先的に割り当ててよい。すなわち、制御装置１００では、ｖＲＡＮ１０８の優先度を最も高くし、その次をＲＡＮ ＡＩ１１０、その次をＭＥＣ１１２としてよい。

【0027】

例えば、制御装置１００は、通常時は、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースをｖＲＡＮ機能に割り当ててｖＲＡＮ機能を実行し、ＧＰＵ１０４の処理負荷が予め定められた閾値より低い状態となった場合に、ＲＡＮ ＡＩ１１０に割り当てるＧＰＵ１０４のリソースの量を増加して、ＲＡＮ ＡＩ機能の実行を開始する。そして、制御装置１００は、ＧＰＵ１０４の未使用リソースの量が予め定められた閾値より多い状態となった場合に、ＧＰＵ１０４のリソースをＭＥＣ１１２に割り当ててＭＥＣ機能を実行する。これにより、ｖＲＡＮ機能を安定的に実行しつつ、ｖＲＡＮ機能の負荷が低いときにＲＡＮ ＡＩ機能を実行し、それでもＧＰＵ１０４のリソースに余裕がある場合にＭＥＣ機能を実行するようにできる。ｖＲＡＮ機能を安定的に実行することによって、ｖＲＡＮにアクセスする移動体通信端末に対して安定した通信サービスを提供しつつ、ＲＡＮ ＡＩ機能によって、サービス品質の向上等を実現するとともに、ＭＥＣサービスの提供も行うことができる。

【0028】

また、例えば、制御装置１００は、通常時は、ＣＰＵ１０２のリソースとＧＰＵ１０４の一部のリソースをｖＲＡＮ１０８に割り当ててｖＲＡＮ機能を実行し、ｖＲＡＮ１０８へのＧＰＵ１０４のリソースの割り当て量よりも少ない量のＧＰＵ１０４のリソースをＲＡＮ ＡＩ１１０に割り当ててＲＡＮ ＡＩ機能を実行し、ＲＡＮ ＡＩ１１０へのＧＰＵ１０４のリソースの割り当て量よりも少ない量のＧＰＵ１０４のリソースをＭＥＣ１１２に割り当ててＭＥＣ機能を実行する。そして、制御装置１００は、ｖＲＡＮ機能の処理負荷が低下した場合に、ＲＡＮ ＡＩ１１０へのＧＰＵ１０４のリソースの割り当て量と、ＭＥＣ１１２へのＧＰＵ１０４のリソースの割り当て量とを増加する。これにより、ｖＲＡＮ機能を安定的に実行しつつ、ＲＡＮ ＡＩ機能によるサービス品質の向上と、ＭＥＣ機能によるサービスの提供とを実現し、ｖＲＡＮ機能の負荷が低いときにＲＡＮ ＡＩ機能及びＭＥＣ機能を強化する、といったことを実現することができる。制御装置１００は、ｖＲＡＮ１０８の処理負荷を監視して、ｖＲＡＮ１０８の処理負荷が予め定められた閾値よりも高い場合に、ＭＥＣ１１２に対するＧＰＵ１０４のリソースの割り当て量を低減して、その分をｖＲＡＮ１０８に割り当ててもよい。

【0029】

図５は、本実施形態に係る制御装置１００の構成の一例を概略的に示す。制御装置１００は、Ｎｅａｒ－ＲＴ ＲＩＣ２００として機能してもよい。図５において、Ｎｅａｒ－ＲＴ ＲＩＣ２００は、制御装置１００によって実現されている。

【0030】

図５に示す例において、Ｎｏｎ－ＲＴ ＲＩＣ２１０が、ＲＡＮの管理及びオーケストレーションを行うＳＭＯ（Ｓｅｒｖｉｃｅ Ｍａｎａｇｅｍｅｎｔ ａｎｄ Ｏｒｃｈｅｓｔｒａｔｉｏｎ）の内部に位置する。Ｎｏｎ－ＲＴ ＲＩＣ２１０は、ＲＡＮの制御に関わるポリシーの生成や通知、Ｎｅａｒ－ＲＴ ＲＩＣ２００への情報の送信を行う。例えば、Ｎｏｎ－ＲＴ ＲＩＣ２１０は、ＲＡＮから収集したデータを用いた機械学習を実行することによって、ＲＡＮ制御に関する学習済モデルを生成して、Ｎｅａｒ－ＲＴ ＲＩＣ２００に送信する。

【0031】

Ｎｅａｒ－ＲＴ ＲＩＣ２００は、Ｎｏｎ－ＲＴ ＲＩＣ２１０と比較して、ＲＡＮノード（Ｏ－ＲＵ２２０、Ｏ－ＤＵ２３０、Ｏ－ＣＵ２４０）の近くに位置し、ＲＡＮノードの制御や、リソースの制御等を行う。Ｎｅａｒ－ＲＴ ＲＩＣ２００は、Ｎｏｎ－ＲＴ ＲＩＣ２１０と比較して、リアルタイム性の高い処理を実行する。

【0032】

本実施形態に係るＮｅａｒ－ＲＴ ＲＩＣ２００は、例えば、ＧＰＵ１０４のリソースを用いて、Ｎｏｎ－ＲＴ ＲＩＣ２１０から取得した学習済みモデルを用いたＲＡＮの制御に関連する推論処理を実行する。既存のＮｅａｒ－ＲＴ ＲＩＣでは、ＧＰＵを利用していないが、本実施形態に係るＮｅａｒ－ＲＴ ＲＩＣ２００は、ＧＰＵ１０４を有し、ＧＰＵ１０４を用いた推論処理を実行する。並列処理の処理能力が高いＧＰＵ１０４と、学習済モデルを用いた推論処理とは相性がよく、Ｎｅａｒ－ＲＴ ＲＩＣ２００が、ＧＰＵ１０４を用いた推論処理を実行することによって、推論処理を高速化することができる。

【0033】

通常時においては、Ｎｏｎ－ＲＴ ＲＩＣ２１０において学習を実行して学習済モデルを生成し、Ｎｅａｒ－ＲＴ ＲＩＣ２００が当該学習済モデルを用いた推論処理を実行すれば問題ないことになる。しかし、Ｎｏｎ－ＲＴ ＲＩＣ２１０による学習は、リアルタイム性が低いので、状況の変化にリアルタイムに対応することが難しい場合がある。例えば、Ｎｏｎ－ＲＴ ＲＩＣ２１０が、移動体通信端末による通信量が増加するイベントが発生したときのｖＲＡＮの制御用の学習済モデルを生成していた場合、それと同じようなイベントが発生した場合には、Ｎｅａｒ－ＲＴ ＲＩＣ２００が当該学習済モデルを用いた推論処理を実行して、ｖＲＡＮの制御を行うことによって、適切な制御を実現することができる。しかし、イベントの種類、場所、規模等によって、トラフィックの発生状況は変化し得るものであり、イベントによっては、当該学習済モデルでは、十分に対応できない場合があり得る。それに対して、Ｎｅａｒ－ＲＴ ＲＩＣ２００は、例えば、リアルタイムに収集したｖＲＡＮに関連するデータを用いた機械学習を実行することによって、Ｎｏｎ－ＲＴ ＲＩＣ２１０から取得した学習済モデルを更新し、更新した学習済モデルを用いた推論を実行する。これにより、学習済モデルを、そのときに発生しているイベントにおけるトラフィックの発生状況に適合するように更新することができ、適切な制御の実現に貢献することができる。

【0034】

図６は、制御装置１００の機能構成の一例を概略的に示す。制御装置１００は、ＣＰＵ１０２、ＧＰＵ１０４、及び制御部１２０を備える。制御部１２０は、ｖＲＡＮ実行部１２２、ＲＡＮ ＡＩ実行部１２４、サービス実行部１２６、及び管理部１２８を有する。制御部１２０は、サービス実行部１２６を有さなくてもよい。

【0035】

ｖＲＡＮ実行部１２２は、ｖＲＡＮ機能を実行する。ｖＲＡＮ実行部１２２は、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースを用いてｖＲＡＮ機能を実行する。

【0036】

ＲＡＮ ＡＩ実行部１２４は、ＲＡＮ ＡＩ機能を実行する。ＲＡＮ ＡＩ実行部１２４は、ＧＰＵ１０４のリソースを用いてＲＡＮ ＡＩ機能を実行する。

【0037】

サービス実行部１２６は、ｖＲＡＮにアクセスする移動体通信端末に対してサービスを提供する機能であるサービス提供機能を実行する。サービス実行部１２６は、例えば、ＭＥＣ機能を実行する。サービス実行部１２６は、ＧＰＵ１０４のリソースを用いてサービス提供機能を実行する。

【0038】

管理部１２８は、ｖＲＡＮ実行部１２２、ＲＡＮ ＡＩ実行部１２４、及びサービス実行部１２６を管理する。管理部１２８は、ｖＲＡＮ実行部１２２、ＲＡＮ ＡＩ実行部１２４、及びサービス実行部１２６に対する、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースの割り当てを管理してよい。

【0039】

例えば、管理部１２８は、ｖＲＡＮ実行部１２２及びＲＡＮ ＡＩ実行部１２４のうち、ｖＲＡＮ実行部１２２に対して優先的にＧＰＵ１０４のリソースを割り当てるよう管理する。

【0040】

例えば、管理部１２８は、ｖＲＡＮ実行部１２２がＣＰＵ１０２及びＧＰＵ１０４を用いてｖＲＡＮ機能を実行しているときにＧＰＵ１０４の処理負荷を監視し、ＧＰＵ１０４の処理負荷が予め定められた閾値より低くなった場合に、ＲＡＮ ＡＩ実行部１２４に割り当てるＧＰＵ１０４のリソースの量を増加する。

【0041】

一具体例として、管理部１２８は、まず、ｖＲＡＮ実行部１２２に対してＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースを割り当ててｖＲＡＮ機能を実行させ、ＲＡＮ ＡＩ実行部１２４にはＲＡＮ ＡＩ機能を実行させない状態とする。そして、管理部１２８は、ＧＰＵ１０４の処理負荷を監視し、ＧＰＵ１０４の処理負荷が予め定められた閾値より低くなった場合に、ＲＡＮ ＡＩ実行部１２４に対してＧＰＵ１０４のリソースを割り当てて、ＲＡＮ ＡＩ実行部１２４にＲＡＮ ＡＩ機能の実行を開始させる。

【0042】

他の具体例として、管理部１２８は、まず、ｖＲＡＮ実行部１２２に対してＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースを割り当ててｖＲＡＮ機能を実行させ、ＲＡＮ ＡＩ実行部１２４に対して、ｖＲＡＮ実行部１２２に割り当てている量よりも少ない量のＧＰＵ１０４のリソースを割り当てて、ＲＡＮ ＡＩ機能を実行させる。そして、管理部１２８は、ＧＰＵ１０４の処理負荷を監視し、ＧＰＵ１０４の処理負荷が予め定められた閾値より低くなった場合に、ＲＡＮ ＡＩ実行部１２４に対してＧＰＵ１０４のリソースを追加して、ＲＡＮ ＡＩ機能を強化させる。

【0043】

管理部１２８は、ｖＲＡＮ実行部１２２の処理負荷が予め定められた閾値より高い場合において、ｖＲＡＮ実行部１２２による物理層の信号処理の処理負荷が予め定められた閾値よりも高いと判定した場合に、ｖＲＡＮ実行部１２２に割り当てるＧＰＵ１０４のリソースの量を増加してよい。管理部１２８は、ｖＲＡＮ実行部１２２の処理負荷が予め定められた閾値より高い場合において、ｖＲＡＮ実行部１２２による、ｖＲＡＮにおける移動体通信端末からの接続要求に対する接続処理の処理負荷が予め定められた閾値よりも高いと判定した場合に、ＲＡＮ ＡＩ実行部１２４に割り当てるＧＰＵ１０４のリソースの量を増加してよい。ｖＲＡＮ実行部１２２の処理負荷が高い原因が、物理層の信号処理の処理負荷が高いことにある場合、ｖＲＡＮの並列処理を強化することによって、ｖＲＡＮ実行部１２２の処理負荷低減に貢献することができる。一方、ｖＲＡＮ実行部１２２の処理負荷が高い原因が、接続処理の処理負荷が高いことにある場合、ｖＲＡＮの並列処理を強化しても、ｖＲＡＮ実行部１２２の処理負荷低減にあまり貢献することができない。管理部１２８によれば、このような事情を考慮した管理を実現でき、ＧＰＵ１０４のリソースを効果的に配分することを可能にできる。

【0044】

管理部１２８は、ｖＲＡＮ実行部１２２がＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースを用いてｖＲＡＮ機能を実行しているときに、ｖＲＡＮが混雑すると予測された場合に、ＲＡＮ ＡＩ実行部１２４に割り当てるＧＰＵ１０４のリソースの量を増加してもよい。

【0045】

一具体例として、管理部１２８は、まず、ｖＲＡＮ実行部１２２に対してＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースを割り当ててｖＲＡＮ機能を実行させ、ＲＡＮ ＡＩ実行部１２４にはＲＡＮ ＡＩ機能を実行させない状態とする。そして、管理部１２８は、ｖＲＡＮの実行状況に基づいて、ｖＲＡＮが混雑するか否かを予測する。管理部１２８は、例えば、ｖＲＡＮにおけるトラフィックパターンから、ｖＲＡＮが混雑するか否かを予測する。管理部１２８は、複数のｖＲＡＮの状況に基づいて、ｖＲＡＮが混雑するか否かを予測してもよい。例えば、管理部１２８は、対象となるｖＲＡＮが管理する無線通信セルに対する、他のｖＲＡＮが管理する無線通信セルからの移動体通信端末のハンドオーバが増加傾向にある場合に、対象となるｖＲＡＮが混雑すると予測する。管理部１２８は、ｖＲＡＮが混雑すると予測した場合に、ＲＡＮ ＡＩ実行部１２４に割り当てるＧＰＵ１０４のリソースの量を増加して、ＲＡＮ ＡＩ機能の実行を開始する。ＲＡＮ ＡＩ機能によって、ｖＲＡＮが混雑すると判定した場合に、管理部１２８は対策を実行する。対策の一つとして、管理部１２８は、例えば、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行するよう制御する。他の対策として、管理部１２８は、例えば、ＲＡＮ ＡＩ実行部１２４へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ実行部１２２に割り当てるよう制御する。管理部１２８は、ｖＲＡＮにおける無線リソースの余り具合に応じた対策を実行してもよい。例えば、管理部１２８は、無線リソースの残量が予め定められた閾値より多い場合、ＲＡＮ ＡＩ実行部１２４へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ実行部１２２に割り当て、無線リソースの残量が閾値より少ない場合、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行するよう制御する。

【0046】

他の具体例として、管理部１２８は、まず、ｖＲＡＮ実行部１２２に対してＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースを割り当ててｖＲＡＮ機能を実行させ、ＲＡＮ ＡＩ実行部１２４に対して、ｖＲＡＮ実行部１２２に割り当てている量よりも少ない量のＧＰＵ１０４のリソースを割り当てて、ＲＡＮ ＡＩ機能を実行させる。管理部１２８は、ＲＡＮ ＡＩ機能によって、ｖＲＡＮが混雑するか否かを予測する。ＲＡＮ ＡＩ機能によって、ｖＲＡＮが混雑すると判定した場合に、管理部１２８は、対策を実行してよい。対策の一つとして、管理部１２８は、例えば、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行するよう制御する。他の対策として、管理部１２８は、例えば、ＲＡＮ ＡＩ機能へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ機能に割り当てるよう制御する。管理部１２８は、無線リソースの余り具合に応じた対策を実行してもよい。例えば、管理部１２８は、無線リソースの残量が予め定められた閾値より多い場合、ＲＡＮ ＡＩ実行部１２４へのＧＰＵ１０４のリソースの割り当てを停止して、その分をｖＲＡＮ実行部１２２に割り当て、無線リソースの残量が閾値より少ない場合、当該ｖＲＡＮの配下の無線通信セルから、移動体通信端末をハンドオーバさせる等のオフロード処理を実行するよう制御する。

【0047】

例えば、管理部１２８は、ｖＲＡＮ実行部１２２、ＲＡＮ ＡＩ実行部１２４、及びサービス実行部１２６のうち、ＧＰＵ１０４のリソースを、ｖＲＡＮ実行部１２２、ＲＡＮ ＡＩ実行部１２４、サービス実行部１２６の順で優先的に割り当てるよう管理する。すなわち、管理部１２８は、ｖＲＡＮ実行部１２２の優先度を最も高くし、その次をＲＡＮ ＡＩ実行部１２４、その次をサービス実行部１２６とする。

【0048】

例えば、管理部１２８は、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースをｖＲＡＮ実行部１２２に割り当ててｖＲＡＮ機能を実行させ、ＧＰＵ１０４の処理負荷を監視する。管理部１２８は、ＧＰＵ１０４の処理負荷が予め定められた閾値より低くなった場合に、ＲＡＮ ＡＩ実行部１２４に割り当てるＧＰＵ１０４のリソースの量を増加して、ＲＡＮ ＡＩ機能の実行を開始させる。そして、管理部１２８は、ＧＰＵ１０４の未使用リソースの量を監視して、未使用リソースの量が予め定められた閾値より多い場合に、ＧＰＵ１０４のリソースをサービス実行部１２６に割り当ててサービス提供機能を実行させる。

【0049】

例えば、管理部１２８は、ＣＰＵ１０２のリソース及びＧＰＵ１０４のリソースをｖＲＡＮ実行部１２２に割り当ててｖＲＡＮ機能を実行させ、ｖＲＡＮ実行部１２２へのＧＰＵ１０４のリソースの割り当て量よりも少ない量のＧＰＵ１０４のリソースをＲＡＮ ＡＩ実行部１２４に割り当ててＲＡＮ ＡＩ機能を実行させ、ＲＡＮ ＡＩ実行部１２４へのＧＰＵ１０４のリソースの割り当て量よりも少ない量のＧＰＵ１０４のリソースをサービス実行部１２６に割り当ててサービス提供機能を実行させる。そして、管理部１２８は、ｖＲＡＮ実行部１２２の処理負荷を監視して、ｖＲＡＮ実行部１２２の処理負荷が予め定められた閾値より低い場合に、ＲＡＮ ＡＩ実行部１２４へのＧＰＵ１０４のリソースの割り当て量を増加するか、ＲＡＮ ＡＩ実行部１２４及びサービス実行部１２６へのＧＰＵ１０４のリソースの割り当て量を増加する。さらに、管理部１２８は、ｖＲＡＮ実行部１２２の処理負荷が予め定められた閾値より高い場合に、サービス実行部１２６、又はサービス実行部１２６及びＲＡＮ ＡＩ実行部１２４に対するＧＰＵ１０４のリソースの割り当て量を低減して、その分をｖＲＡＮ実行部１２２に割り当てる。

【0050】

制御装置１００がＮｅａｒ－ＲＴ ＲＩＣとして機能する場合において、ＲＡＮ ＡＩ実行部１２４は、ＧＰＵ１０４のリソースを用いて、Ｎｏｎ－ＲＴ ＲＩＣから取得した学習済モデルを用いたｖＲＡＮの制御に関連する推論処理を実行してよい。例えば、Ｎｏｎ－ＲＴ ＲＩＣが、ＲＡＮノードから、ＰＭ ｃｏｕｎｔｅｒ（Ｐｅｒｆｏｒｍａｎｃｅ Ｍａｎａｇｅｍｅｎｔ ｃｏｕｎｔｅｒ）、ＦＭ ｄａｔａ（Ｆａｕｌｔ Ｍａｎａｇｅｍｅｎｔ ｄａｔａ）、及びＴＭ ｄａｔａ（Ｔｒａｃｅ Ｍａｎａｇｅｍｅｎｔ ｄａｔａ）等の各種データを収集し、収集したデータを用いた機械学習を実行することによって、ＲＡＮ制御に関わるポリシーの役割を担う学習済モデルを生成する。制御装置１００は、Ｎｏｎ－ＲＴ ＲＩＣから当該学習済モデルを取得し、当該学習済モデルと、ＲＡＮノードから収集したデータとを用いた、ＲＡＮノードの制御を実行する。

【0051】

ＲＡＮ ＡＩ実行部１２４は、Ｎｏｎ－ＲＴ ＲＩＣから取得した学習済モデルを、ｖＲＡＮに関連するデータを用いた機械学習を実行することによって更新して、更新した学習済モデルを用いた推論処理を実行してもよい。ＲＡＮ ＡＩ実行部１２４は、例えば、Ｎｏｎ－ＲＴ ＲＩＣから取得した学習済モデルを、ｖＲＡＮに関連するデータを用いてファインチューニングすることによって更新してよい。例えば、ＲＡＮ ＡＩ実行部１２４は、Ｎｏｎ－ＲＴ ＲＩＣから取得した学習済モデルを、Ｎｏｎ－ＲＴ ＲＩＣよりも短い周期でＲＡＮノードから収集した各種データを用いた機械学習を実行することによって学習済モデルを更新して、更新した学習済モデルと、ＲＡＮノードから収集したデータとを用いた、ＲＡＮノードの制御を実行する。

【0052】

図７は、制御装置１００による処理の流れの一例を概略的に示す。ここでは、制御装置１００が、通常時は、ＣＰＵ１０２のリソース（ＣＰＵＲと記載する場合がある）及びＧＰＵ１０４のリソース（ＧＰＵＲと記載する場合がある。）を用いてｖＲＡＮ機能を実行し、ＧＰＵ１０４の処理負荷が低い場合に、ＲＡＮ ＡＩ機能を実行する場合の処理の流れについて、概略的に示す。

【0053】

ステップ（ステップをＳと省略して記載する場合がある。）１０２では、管理部１２８が、ＣＰＵＲ及びＧＰＵＲをｖＲＡＮ実行部１２２に割り当てて、ｖＲＡＮ実行部１２２にｖＲＡＮ機能を実行させる。管理部１２８は、継続的に、ＧＰＵ１０４の処理負荷を監視する。

【0054】

Ｓ１０４では、管理部１２８が、ＧＰＵ１０４の処理負荷が予め定められた閾値より低いか否かを判定する。低くないと判定した場合、Ｓ１０６に進み、低いと判定した場合、Ｓ１０８に進む。

【0055】

Ｓ１０６では、管理部１２８が、割当調整処理を終了するか否かを判定する。管理部１２８は、制御装置１００の管理者等による割当調整処理の終了指示を受領している場合、割当調整処理を終了すると判定する。割当調整処理を終了した場合、制御装置１００は、ＲＡＮ ＡＩ機能や、サービス提供機能を実行せずに、ｖＲＡＮ実行部１２２によるｖＲＡＮ機能を実行することになる。終了しないと判定した場合、Ｓ１０４に戻る。

【0056】

Ｓ１０８では、管理部１２８が、ＲＡＮ ＡＩ実行部１２４にＧＰＵＲを割り当ててＲＡＮ ＡＩ機能の実行を開始させる。管理部１２８は、継続的に、ｖＲＡＮ実行部１２２の処理負荷を監視する。

【0057】

Ｓ１１０では、管理部１２８が、ｖＲＡＮ実行部１２２の処理負荷が予め定められた閾値より高いか否かを判定する。高いと判定した場合、Ｓ１１２に進み、高くないと判定した場合、Ｓ１１４に進む。

【0058】

Ｓ１１４では、管理部１２８が、割当調整処理を終了するか否かを判定する。終了すると判定した場合、割当調整処理を終了し、終了しないと判定した場合、Ｓ１１０に戻る。

【0059】

Ｓ１１２では、管理部１２８が、ＲＡＮ ＡＩ実行部１２４に、ＲＡＮ ＡＩ機能の実行を終了させる。管理部１２８は、ＲＡＮ ＡＩ実行部１２４に割り当てていた分のＧＰＵＲを、ｖＲＡＮ実行部１２２に割り当ててよい。

【0060】

上記実施形態では、制御装置１００が、自身が備えるＧＰＵ１０４のリソースを、ｖＲＡＮ機能に割り当てたり、ＲＡＮ ＡＩ機能に割り当てたり、サービス提供機能に割り当てたりする場合について主に例に挙げて説明したが、これに限られない。制御装置１００は、分散して配置された複数のＧＰＵ１０４のリソースを、ｖＲＡＮ機能に割り当てたり、ＲＡＮ ＡＩ機能に割り当てたり、サービス提供機能に割り当てたりしてもよい。制御装置１００は、例えば、データセンタ内に分散して配置された複数のＧＰＵ１０４のリソースを、当該複数のＧＰＵ１０４の処理負荷や、リソースの利用状況を考慮して用いてよい。

【0061】

図８は、制御装置１００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。

【0062】

本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＧＰＵ１２１３、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ１２２６、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブ１２２６は、ＤＶＤ－ＲＯＭドライブ及びＤＶＤ－ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。

【0063】

ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。

【0064】

通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブ１２２６は、プログラム又はデータをＤＶＤ－ＲＯＭ１２２７等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。

【0065】

ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。

【0066】

プログラムは、ＤＶＤ－ＲＯＭ１２２７又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。

【0067】

例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ－ＲＯＭ１２２７、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。

【0068】

また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ１２２６（ＤＶＤ－ＲＯＭ１２２７）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。

【0069】

様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

【0070】

上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。

【0071】

本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。

【0072】

コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

【0073】

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。

【0074】

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

【0075】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

【0076】

特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

【符号の説明】

【0077】

１２ ＣＰＵ、１４ ＡＣＣ、１６ 仮想化層・ＯＳ、１８ ｖＲＡＮ、２０ ＲＡＮ ＡＩ、２２ ＧＰＵサーバ、２４ ＲＡＮ ＡＩ、１００ 制御装置、１０２ ＣＰＵ、１０４ ＧＰＵ、１０６ 仮想化層・ＯＳ、１０８ ｖＲＡＮ、１１０ ＲＡＮ ＡＩ、１１２ ＭＥＣ、１２０ 制御部、１２２ ｖＲＡＮ実行部、１２４ ＲＡＮ ＡＩ実行部、１２６ サービス実行部、１２８ 管理部、２００ Ｎｅａｒ－ＲＴ ＲＩＣ、２１０ Ｎｏｎ－ＲＴ ＲＩＣ、２２０ Ｏ－ＲＵ、２３０ Ｏ－ＤＵ、２４０ Ｏ－ＣＵ、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１３ ＧＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２３０ ＲＯＭ、１２４０ 入出力チップ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【手続補正書】

【提出日】2024-11-20

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

ｖＲＡＮ（Ｖｉｒｔｕａｌ Ｒａｄｉｏ Ａｃｃｅｓｓ Ｎｅｔｗｏｒｋ）の機能であるｖＲＡＮ機能をＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のリソース及びＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のリソースを用いて実行するｖＲＡＮ実行部と、
前記ｖＲＡＮの制御に関連するＡＩの機能であるＲＡＮ ＡＩ機能を、前記ＧＰＵのリソースを用いて実行するＲＡＮ ＡＩ実行部と、
前記ｖＲＡＮ実行部及び前記ＲＡＮ ＡＩ実行部のうち、前記ｖＲＡＮ実行部に対して優先的に前記ＧＰＵのリソースを割り当てるよう管理する管理部と
を備える制御装置。

【請求項2】

前記管理部は、前記ｖＲＡＮ実行部の処理負荷が予め定められた閾値よりも高い場合において、前記ｖＲＡＮ実行部による物理層の信号処理の処理負荷が予め定められた閾値よりも高いと判定した場合に前記ｖＲＡＮ実行部に割り当てる前記ＧＰＵのリソースの量を増加し、前記ｖＲＡＮ実行部による、前記ｖＲＡＮにおける移動体通信端末からの接続要求に対する接続処理の処理負荷が予め定められた閾値よりも高いと判定した場合に前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加する、請求項１に記載の制御装置。

【請求項3】

前記管理部は、前記ｖＲＡＮ実行部が前記ＣＰＵのリソース及び前記ＧＰＵのリソースを用いて前記ｖＲＡＮ機能を実行しているときに、前記ｖＲＡＮが混雑すると予測された場合に、前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加する、請求項１に記載の制御装置。

【請求項4】

前記ｖＲＡＮにアクセスする移動体通信端末に対してサービスを提供する機能であるサービス提供機能を、前記ＧＰＵのリソースを用いて実行するサービス実行部
を備え、
前記管理部は、前記ｖＲＡＮ実行部、前記ＲＡＮ ＡＩ実行部、及び前記サービス実行部のうち、前記ＧＰＵのリソースを、前記ｖＲＡＮ実行部、前記ＲＡＮ ＡＩ実行部、前記サービス実行部の順で優先的に割り当てるよう制御する、請求項１に記載の制御装置。

【請求項5】

ｖＲＡＮの機能であるｖＲＡＮ機能をＣＰＵのリソース及びＧＰＵのリソースを用いて実行するｖＲＡＮ実行部と、
前記ｖＲＡＮの制御に関連するＡＩの機能であるＲＡＮ ＡＩ機能を、前記ＧＰＵのリソースを用いて実行するＲＡＮ ＡＩ実行部と、
前記ｖＲＡＮ実行部が前記ＣＰＵ及び前記ＧＰＵを用いて前記ｖＲＡＮ機能を実行しているときに前記ＧＰＵの処理負荷を監視し、前記ＧＰＵの処理負荷が予め定められた閾値より低くなった場合に、前記ＲＡＮ ＡＩ実行部に割り当てる前記ＧＰＵのリソースの量を増加する管理部と
を備える制御装置。

【請求項6】

前記管理部は、前記ｖＲＡＮ実行部に対して前記ＣＰＵのリソース及び前記ＧＰＵのリソースを割り当てて前記ｖＲＡＮ機能を実行させ、前記ＲＡＮ ＡＩ実行部に対して、前記ｖＲＡＮ実行部に割り当てている量よりも少ない量の前記ＧＰＵのリソースを割り当てて、前記ＲＡＮ ＡＩ機能を実行させた後、前記ＧＰＵの処理負荷を監視し、前記ＧＰＵの処理負荷が予め定められた閾値より低くなった場合に、前記ＲＡＮ ＡＩ実行部に対して前記ＧＰＵのリソースを追加して、前記ＲＡＮ ＡＩ機能を強化させる、請求項５に記載の制御装置。

【請求項7】

制御装置であって、
ｖＲＡＮの機能であるｖＲＡＮ機能をＣＰＵのリソース及びＧＰＵのリソースを用いて実行するｖＲＡＮ実行部と、
前記ｖＲＡＮの制御に関連するＡＩの機能であるＲＡＮ ＡＩ機能を、前記ＧＰＵのリソースを用いて実行するＲＡＮ ＡＩ実行部と
を備え、
前記制御装置は、Ｎｅａｒ－ＲＴ ＲＩＣ（ＲＡＮ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌｌｅｒ）として機能し、
前記ＲＡＮ ＡＩ実行部は、前記ＧＰＵのリソースを用いて、Ｎｏｎ－ＲＴ ＲＩＣから取得した学習済モデルを用いた前記ｖＲＡＮの制御に関連する推論処理を実行する
制御装置。

【請求項8】

前記ＲＡＮ ＡＩ実行部は、前記ｖＲＡＮに関連するデータを用いた機械学習を実行することによって前記学習済モデルを更新し、更新した前記学習済モデルを用いた前記推論処理を実行する、請求項７に記載の制御装置。

【請求項9】

コンピュータを、請求項１から８のいずれか一項に記載の制御装置として機能させるためのプログラム。

【請求項10】

請求項１から８のいずれか一項に記載の制御装置と、
前記ＣＰＵと、
前記ＧＰＵと
を備えるシステム。