(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-08-29
(54)【発明の名称】機械学習のためのユーザ機器の構成
(51)【国際特許分類】
H04W 8/22 20090101AFI20240822BHJP
H04W 48/08 20090101ALI20240822BHJP
H04W 24/00 20090101ALI20240822BHJP
【ＦＩ】
H04W8/22
H04W48/08
H04W24/00
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2024513092
(86)(22)【出願日】2022-09-01
(85)【翻訳文提出日】2024-02-26
(86)【国際出願番号】 US2022042314
(87)【国際公開番号】W WO2023034483
(87)【国際公開日】2023-03-09
(31)【優先権主張番号】17/467,156
(32)【優先日】2021-09-03
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】595020643
【氏名又は名称】クゥアルコム・インコーポレイテッド
【氏名又は名称原語表記】ＱＵＡＬＣＯＭＭ ＩＮＣＯＲＰＯＲＡＴＥＤ
(74)【代理人】
【識別番号】110003708
【氏名又は名称】弁理士法人鈴榮特許綜合事務所
(72)【発明者】
【氏名】ジュ、シーペン
(72)【発明者】
【氏名】ホーン、ガビン・バーナード
(72)【発明者】
【氏名】クマー、バニタ・アラバムーダン
(72)【発明者】
【氏名】ダルミヤ、ビシャル
(72)【発明者】
【氏名】クリシュナン、シャンカー
(72)【発明者】
【氏名】クマー、ラジーブ
(72)【発明者】
【氏名】ユ、テサン
(72)【発明者】
【氏名】バレビ、エレン
(72)【発明者】
【氏名】ゴールミー、アジズ
(72)【発明者】
【氏名】プラカシュ、ラジャット
【テーマコード（参考）】
5K067
【Ｆターム（参考）】
5K067AA21
5K067DD20
5K067DD27
5K067DD34
5K067EE02
5K067EE10
(57)【要約】
ワイヤレス通信のための方法、システム、およびデバイスが説明される。いくつかの例では、ワイヤレス通信システムが、機械学習をサポートし得、機械学習のためにユーザ機器（ＵＥ）を構成し得る。ＵＥは、基地局に、トリガイベントに少なくとも部分的に基づいて、機械学習モデルまたはニューラルネットワーク機能のインジケーションを含む要求メッセージを送信し得る。要求メッセージに応答して、基地局は、機械学習モデル、機械学習モデルに対応するパラメータのセット、またはニューラルネットワーク機能に対応する構成を送信し得、機械学習モデルおよびニューラルネットワーク機能を実装するためのアクティブ化メッセージをＵＥに送信し得る。
【選択図】図３
【選択図】図３
【特許請求の範囲】
【請求項1】
ユーザ機器（ＵＥ）におけるワイヤレス通信のための装置であって、プロセッサと、
前記プロセッサに結合されたメモリと、
前記装置に、
１つまたは複数の機械学習モデルのうちの機械学習モデル、前記機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信することと、ここにおいて、前記１つまたは複数の機械学習モデル、前記１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習モデルリポジトリに関連付けられ、
前記基地局から、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信することと、
を行わせるように、前記プロセッサによって実行可能でありかつ前記メモリに記憶された命令と、
を備える装置。
【請求項2】
前記命令は、前記装置に、前記基地局に、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のインジケーションを備える要求メッセージを送信すること、ここにおいて、前記機械学習モデル、前記ニューラルネットワーク機能、または両方を受信することは、前記要求メッセージに少なくとも部分的に基づく、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１に記載の装置。
【請求項3】
前記命令は、前記装置に、前記基地局から、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを受信すること、ここにおいて、前記要求メッセージを送信することは、前記機械学習モデルが前記ホワイトリストに含まれていること、前記ブラックリストから除外されていること、または両方に少なくとも部分的に基づく、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項２に記載の装置。
【請求項4】
前記１つまたは複数の機械学習モデルの各機械学習モデルが、ロケーション、ネットワークスライス、深層ニューラルネットワーク、公衆陸上モバイルネットワーク、ＵＥタイプ、無線リソース制御状態、通信サービス、通信構成、またはこれらの任意の組合せに対応するそれぞれのスコープに関連付けられ、前記命令は、前記装置に、前記ＵＥが前記機械学習モデルの前記それぞれのスコープ内にある条件を有することを備えるトリガイベントに少なくとも部分的に基づいて、前記要求メッセージを送信することを行わせるように、前記プロセッサによって実行可能である、請求項２に記載の装置。
【請求項5】
前記要求メッセージは、前記トリガイベントのインジケーションを備える、請求項４に記載の装置。
【請求項6】
前記要求メッセージを送信するために、前記命令は、前記装置に、前記要求メッセージを備えるＵＥ支援情報メッセージを送信すること
を行わせるように、前記プロセッサによって実行可能である、請求項２に記載の装置。
【請求項7】
前記要求メッセージを送信するために、前記命令は、前記装置に、前記要求メッセージを備える無線リソース制御シグナリング（radio resource control signaling）を送信すること
を行わせるように、前記プロセッサによって実行可能である、請求項２に記載の装置。
【請求項8】
前記要求メッセージを送信するために、前記命令は、前記装置に、前記基地局に含まれる中央ユニット－制御プレーンエンティティ（central unit-control plane entity）に、前記要求メッセージを送信することを行わせるように、前記プロセッサによって実行可能であり、前記機械学習モデル、前記パラメータのセット、または前記構成を受信するために、前記命令は、前記装置に、前記中央ユニット－制御プレーンエンティティから、前記機械学習モデル、前記パラメータのセット、または前記構成を受信することを行わせるように、前記プロセッサによって実行可能である、請求項２に記載の装置。
【請求項9】
前記命令は、前記装置に、関連付けられた識別子および関連付けられた規則に少なくとも部分的に基づいて、前記機械学習モデル、前記パラメータのセット、または前記構成についてのアドレスを決定すること、ここにおいて、前記命令は、前記装置に、前記アドレスに少なくとも部分的に基づく、前記機械学習モデルリポジトリからの前記機械学習モデル、前記パラメータのセット、または前記構成のダウンロードに少なくとも部分的に基づいて、前記機械学習モデル、前記パラメータのセット、または前記構成を受信することを行わせるように、前記プロセッサによって実行可能である、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１に記載の装置。
【請求項10】
前記命令は、前記装置に、関連付けられた識別子および関連付けられた規則に少なくとも部分的に基づいて、第２の機械学習モデル、前記第２の機械学習モデルに対応する第２のパラメータのセット、または、前記１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを決定することと、
前記第２の機械学習モデル、前記第２のパラメータのセット、または前記第２の構成についての前記アドレスに少なくとも部分的に基づいて、前記機械学習モデルリポジトリへの、前記第２の機械学習モデル、前記第２のパラメータのセット、または前記第２の構成のアップロードを開始することと、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１に記載の装置。
【請求項11】
前記命令は、前記装置に、前記基地局に含まれる中央ユニット－機械学習プレーンエンティティ（central unit-machine learning plane entity）から、前記機械学習モデル、前記パラメータのセット、または前記構成についてのアドレスを受信すること、ここにおいて、前記命令は、前記装置に、前記アドレスに少なくとも部分的に基づく、前記機械学習モデルリポジトリからの、前記機械学習モデル、前記パラメータのセット、または前記構成のダウンロードに少なくとも部分的に基づいて、前記機械学習モデル、前記パラメータのセット、または前記構成を受信することを行わせるように、前記プロセッサによって実行可能である、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１に記載の装置。
【請求項12】
前記命令は、前記装置に、前記基地局に含まれる中央ユニット－機械学習プレーンエンティティから、第２の機械学習モデル、前記第２の機械学習モデルに対応する第２のパラメータのセット、または、前記１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信することと、
前記第２の機械学習モデル、前記第２のパラメータのセット、または前記第２の構成についての前記アドレスに少なくとも部分的に基づいて、前記機械学習モデルリポジトリへの、前記第２の機械学習モデル、前記第２のパラメータのセット、または前記第２の構成のアップロードを開始することと、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１に記載の装置。
【請求項13】
基地局におけるワイヤレス通信のための装置であって、プロセッサと、
前記プロセッサに結合されたメモリと、
前記装置に、
ユーザ機器（ＵＥ）に、１つまたは複数の機械学習モデルのうちの機械学習モデル、前記機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信することと、ここにおいて、前記１つまたは複数の機械学習モデル、前記１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、前記基地局に含まれるかまたは結合された機械学習モデルリポジトリに関連付けられ、
前記ＵＥに、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することと、
を行わせるように、前記プロセッサによって実行可能でありかつ前記メモリに記憶された命令と、
を備える装置。
【請求項14】
前記命令は、前記装置に、前記ＵＥから、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のインジケーションを含む要求メッセージを受信すること、ここにおいて、前記機械学習モデル、前記ニューラルネットワーク機能、または両方を送信することは、前記要求メッセージに少なくとも部分的に基づく、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１３に記載の装置。
【請求項15】
前記命令は、前記装置に、前記ＵＥに、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを送信すること、ここにおいて、前記要求メッセージを受信することは、前記機械学習モデルが前記ホワイトリストに含まれていること、前記ブラックリストから除外されていること、または両方に少なくとも部分的に基づく、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１４に記載の装置。
【請求項16】
前記１つまたは複数の機械学習モデルの各機械学習モデルが、ロケーション、ネットワークスライス、深層ニューラルネットワーク、公衆陸上モバイルネットワーク、ＵＥタイプ、無線リソース制御状態、通信サービス、通信構成、またはこれらの任意の組合せに対応するそれぞれのスコープに関連付けられ、前記命令は、前記装置に、前記ＵＥが前記機械学習モデルの前記それぞれのスコープ内にある条件を有することを備えるトリガイベントに少なくとも部分的に基づいて、前記要求メッセージを受信することを行わせるように、前記プロセッサによって実行可能である、請求項１４に記載の装置。
【請求項17】
前記要求メッセージは、前記トリガイベントのインジケーションを備える、請求項１６に記載の装置。
【請求項18】
前記要求メッセージを受信するために、前記命令は、前記装置に、前記要求メッセージを備えるＵＥ支援情報メッセージを受信すること
を行わせるように、前記プロセッサによって実行可能である、請求項１４に記載の装置。
【請求項19】
前記要求メッセージを受信するために、前記命令は、前記装置に、前記要求メッセージを備える無線リソース制御シグナリングを受信すること
を行わせるように、前記プロセッサによって実行可能である、請求項１４に記載の装置。
【請求項20】
前記命令は、前記装置に、前記基地局に含まれる中央ユニット－制御プレーンエンティティにおいて、前記要求メッセージを受信することと、
前記中央ユニット－制御プレーンエンティティから前記基地局に含まれる中央ユニット－機械学習プレーンエンティティへ前記要求メッセージを転送することと、
前記要求メッセージに少なくとも部分的に基づいて、前記機械学習モデルリポジトリから、前記機械学習モデル、前記パラメータのセット、または前記構成を、前記中央ユニット－制御プレーンエンティティにダウンロードすることと、ここにおいて、前記ＵＥに、前記機械学習モデル、前記パラメータのセット、または前記構成を送信することは、前記ダウンロードすることに少なくとも部分的に基づく、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１４に記載の装置。
【請求項21】
前記命令は、前記装置に、前記ＵＥから、前記機械学習モデル、前記パラメータのセット、または前記構成についてのアドレスを受信することと、
前記ＵＥのために、前記アドレスに少なくとも部分的に基づいて、前記機械学習モデルリポジトリから、前記機械学習モデル、前記パラメータのセット、または前記構成をダウンロードすることと、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１３に記載の装置。
【請求項22】
前記命令は、前記装置に、前記ＵＥから、第２の機械学習モデル、前記第２の機械学習モデルに対応する第２のパラメータのセット、または、前記１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信することと、
前記機械学習モデルリポジトリに、前記第２の機械学習モデル、前記第２のパラメータのセット、または前記第２の構成をアップロードすることと、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１３に記載の装置。
【請求項23】
前記命令は、前記装置に、前記基地局に含まれる中央ユニット－機械学習プレーンエンティティにおいて、前記ＵＥから、前記機械学習モデル、前記パラメータのセット、または前記構成に関連付けられた識別子を受信することと、
前記識別子に少なくとも部分的に基づいて、前記機械学習モデル、前記パラメータのセット、または前記構成についてのアドレスを決定することと、
前記ＵＥのために、前記アドレスに少なくとも部分的に基づいて、前記機械学習モデルリポジトリから、前記機械学習モデル、前記パラメータのセット、または前記構成をダウンロードすることと、ここにおいて、前記ＵＥに、前記機械学習モデル、前記パラメータのセット、または前記構成を送信することは、前記ダウンロードすることに少なくとも部分的に基づく、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１３に記載の装置。
【請求項24】
前記命令は、前記装置に、前記基地局に含まれる中央ユニット－機械学習プレーンエンティティにおいて、前記ＵＥから、第２の機械学習モデル、前記第２の機械学習モデルに対応する第２のパラメータのセット、または、前記１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成に関連付けられた識別子を受信することと、
前記識別子に少なくとも部分的に基づいて、前記第２の機械学習モデル、前記第２のパラメータのセット、または前記第２の構成についてのアドレスを決定することと、
前記機械学習モデルリポジトリに、前記アドレスに少なくとも部分的に基づいて、前記第２の機械学習モデル、前記第２のパラメータのセット、または前記第２の構成をアップロードすることと、
を行わせるように、前記プロセッサによってさらに実行可能である、請求項１３に記載の装置。
【請求項25】
ユーザ機器（ＵＥ）におけるワイヤレス通信のための方法であって、１つまたは複数の機械学習モデルのうちの機械学習モデル、前記機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信することと、ここにおいて、前記１つまたは複数の機械学習モデル、前記１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習モデルリポジトリに関連付けられ、
前記基地局から、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信することと、
を備える方法。
【請求項26】
前記基地局に、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のインジケーションを備える要求メッセージを送信すること、ここにおいて、前記機械学習モデル、前記ニューラルネットワーク機能、または両方を受信することは、前記要求メッセージに少なくとも部分的に基づく、をさらに備える、請求項２５に記載の方法。
【請求項27】
前記基地局から、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを受信すること、ここにおいて、前記要求メッセージを送信することは、前記機械学習モデルが前記ホワイトリストに含まれていること、前記ブラックリストから除外されていること、または両方に少なくとも部分的に基づく、をさらに備える、請求項２６に記載の方法。
【請求項28】
基地局におけるワイヤレス通信のための方法であって、ユーザ機器（ＵＥ）に、１つまたは複数の機械学習モデルのうちの機械学習モデル、前記機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信することと、ここにおいて、前記１つまたは複数の機械学習モデル、前記１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、前記基地局に含まれるかまたは結合された機械学習モデルリポジトリに関連付けられ、
前記ＵＥに、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することと、
を備える方法。
【請求項29】
前記ＵＥから、前記機械学習モデル、前記ニューラルネットワーク機能、または両方のインジケーションを含む要求メッセージを受信すること、ここにおいて、前記機械学習モデル、前記ニューラルネットワーク機能、または両方を送信することは、前記要求メッセージに少なくとも部分的に基づく、をさらに備える、請求項２８に記載の方法。
【請求項30】
前記ＵＥに、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを送信すること、ここにおいて、前記機械学習モデルは、前記ホワイトリストに含まれるか、前記ブラックリストから除外されるか、または両方である、をさらに備える、請求項２９に記載の方法。
【発明の詳細な説明】
【関連出願の相互参照】
【0001】
[0001] 本特許出願は、本譲受人に譲渡され、参照により本明細書に明確に組み込まれる、２０２１年９月３日に出願された「CONFIGURING A USER EQUIPMENT FOR MACHINE LEARNING」と題する、ＺＨＵ他による米国特許出願第１７／４６７，１５６号の利益を主張する。
【技術分野】
【0002】
[0002] 以下は、機械学習（machine learning）のためにユーザ機器（ＵＥ：user equipment）を構成することを含む、ワイヤレス通信（wireless communication）に関する。
【背景技術】
【0003】
[0003] ワイヤレス通信システムは、音声、ビデオ、パケットデータ、メッセージング、ブロードキャストなどのような様々なタイプの通信コンテンツを提供するために広く展開されている。これらのシステムは、利用可能なシステムリソース（例えば、時間、周波数、および電力）を共有することによって、複数のユーザとの通信をサポートすることが可能であり得る。このような多元接続システムの例は、ロングタームエボリューション（ＬＴＥ（登録商標））システム、ＬＴＥアドバンスト（ＬＴＥ－Ａ）システム、またはＬＴＥ－Ａ Ｐｒｏシステムなどの第４世代（４Ｇ）システムと、新無線（ＮＲ：New Radio）システムと呼ばれ得る第５世代（５Ｇ）システムと、を含む。これらのシステムは、符号分割多元接続（ＣＤＭＡ）、時分割多元接続（ＴＤＭＡ）、周波数分割多元接続（ＦＤＭＡ）、直交ＦＤＭＡ（ＯＦＤＭＡ）、または離散フーリエ変換拡散直交周波数分割多重化（ＤＦＴ－Ｓ－ＯＦＤＭ）などの技術を用い得る。ワイヤレス多元接続通信システムは、１つまたは複数の基地局（base station）、あるいは、１つまたは複数のネットワークアクセスノードを含み得、各々が、別名ユーザ機器（ＵＥ）として知られ得る複数の通信デバイスのための通信を同時にサポートする。
【0004】
[0004] いくつかの例では、ワイヤレス通信システムが、機械学習をサポートし得る。機械学習は、経験から学習および改善する能力をシステムに提供する、人工知能の一分野として説明され得る。いくつかの例では、ネットワークが、機械学習のためにＵＥを構成し得、ＵＥは、セル再選択、ビーム障害、ビーム管理、等のようなタスクを実行するために、機械学習を利用し得る。
【発明の概要】
【0005】
[0005] 説明される技法は、機械学習のためにユーザ機器（ＵＥ）を構成することをサポートする、改善された方法、システム、デバイス、および装置（apparatus）に関する。例えば、説明される技法は、ＵＥが、ネットワークから、ニューラルネットワーク機能（neural network function）、機械学習モデル（machine learning model）、および対応するパラメータ（parameter）のセットを取得することを提供する。
【0006】
[0006] いくつかの例では、ＵＥは、ネットワークに能力情報（capability information）を送信し得る。能力情報は、潜在的なニューラルネットワーク機能のリスト、潜在的な機械学習モデルのリスト、またはＵＥが機械学習を要求し得るか否かのインジケーション（indication）のうちの１つまたは複数を含み得る。能力情報に基づいて、ネットワークは、ニューラルネットワーク機能のセット、機械学習モデルのセット、および対応するパラメータのセットを選択し得、いくつかの例では、それらをＵＥに示し得る。
【0007】
[0007] いくつかの例では、ＵＥは、（例えば、何らかのトリガに基づいて）機械学習を実装することを要求するメッセージをネットワークに送り得る。メッセージは、ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータセットのインジケーションを含み得る。要求メッセージ（request message）に応答して、ネットワークは、ＵＥにおいて機械学習モデルおよび対応するパラメータを構成し得る。ＵＥが機械学習モデルおよび対応するパラメータセットを取得すると、ネットワークは、ＵＥにおいて機械学習をアクティブ化し得、ＵＥは、１つまたは複数のタスクを実行するために、機械学習を利用する。本明細書で説明される技法は、ＵＥにおける機械学習をサポートし得る。機械学習は、ネットワークからの命令がほとんどまたは全くない状態で、ＵＥがタスクを実行することを可能にし得る。したがって、本明細書で説明される技法によってサポートされるような、ＵＥにおける機械学習は、より少ないシグナリングオーバーヘッドをもたらし、ＵＥにおける電力消費を低減し得る。
【0008】
[0008] ＵＥにおけるワイヤレス通信のための方法が説明される。方法は、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成（configuration）を受信することと、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習モデルリポジトリ（ＭＲ：model repository）に関連付けられ得、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージ（activation message）を受信することと、を含み得る。
【0009】
[0009] ＵＥにおけるワイヤレス通信のための装置が説明される。装置は、プロセッサと、プロセッサに結合されたメモリと、メモリに記憶された命令（instruction）と、を含み得る。命令は、装置に、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信することと、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信することと、を行わせるように、プロセッサによって実行可能であり得る。
【0010】
[0010] ＵＥにおけるワイヤレス通信のための別の装置が説明される。装置は、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信するための手段と、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信するための手段と、を含み得る。
【0011】
[0011] ＵＥにおけるワイヤレス通信のためのコードを記憶した非一時的なコンピュータ可読媒体が説明される。コードは、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信することと、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信することと、を行うようにプロセッサによって実行可能な命令を含み得る。
【0012】
[0012] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、基地局に、機械学習モデル、ニューラルネットワーク機能、または両方のインジケーションを含む要求メッセージを送信するための動作、特徴、手段、または命令をさらに含み得、ここで、機械学習モデル、ニューラルネットワーク機能、または両方を受信することは、要求メッセージに基づき得る。
【0013】
[0013] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、基地局から、ブラックリスト（blacklist）に含まれる第１のセットの機械学習モデル、ホワイトリスト（whitelist）に含まれる第２のセットの機械学習モデル、または両方を示すシグナリング（signaling）を受信するための動作、特徴、手段、または命令をさらに含み得、ここで、要求メッセージを送信することは、機械学習モデルがホワイトリストに含まれていること、ブラックリストから除外されていること、または両方に基づき得る。
【0014】
[0014] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、１つまたは複数の機械学習モデルの各機械学習モデルは、ロケーション（location）、ネットワークスライス（network slice）、深層ニューラルネットワーク（ＤＮＮ：deep neural network）、公衆陸上モバイルネットワーク（ＰＬＭＮ：public land mobile network）、ＵＥタイプ（UE type）、無線リソース制御（ＲＲＣ：radio resource control）状態（state）、通信サービス（communication service）、通信構成（communication configuration）、またはこれらの任意の組合せに対応するそれぞれのスコープ（scope）に関連付けられ得、要求メッセージを送信することは、ＵＥが機械学習モデルのそれぞれのスコープ内にあり得る条件（condition）を有することを含むトリガイベント（trigger event）に基づき得る。
【0015】
[0015] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、要求メッセージは、トリガイベントのインジケーションを含む。
【0016】
[0016] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、要求メッセージを送信することは、要求メッセージを含むＵＥ支援情報メッセージ（UE assistance information message）を送信するための動作、特徴、手段、または命令を含み得る。
【0017】
[0017] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、要求メッセージを送信することは、要求メッセージを含むＲＲＣシグナリングを送信するための動作、特徴、手段、または命令を含み得る。
【0018】
[0018] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、要求メッセージを送信することが、基地局に含まれる中央ユニット－制御プレーン（ＣＵ－ＣＰ：central unit-control plane）エンティティ（entity）に要求メッセージを送信することを含み、機械学習モデル、パラメータのセット、または構成を受信することが、ＣＵ－ＣＰエンティティから、機械学習モデル、パラメータのセット、または構成を受信することを含むための動作、特徴、手段、または命令をさらに含み得る。
【0019】
[0019] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、関連付けられたＩＤおよび関連付けられた規則（associated rule）に基づいて、機械学習モデル、パラメータのセット、または構成についてのアドレス（address）を決定するための動作、特徴、手段、または命令をさらに含み得、ここで、機械学習モデル、パラメータのセット、または構成を受信することは、アドレスに基づく、機械学習ＭＲからの、機械学習モデル、パラメータのセット、または構成のダウンロード（download）に基づき得る。
【0020】
[0020] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、関連付けられたＩＤおよび関連付けられた規則に基づいて、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを決定することと、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスに基づいて、機械学習ＭＲへの、第２の機械学習モデル、第２のパラメータのセット、または第２の構成のアップロード（upload）を開始することと、を行うための動作、特徴、手段、または命令をさらに含み得る。
【0021】
[0021] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、基地局に含まれる中央ユニット－機械学習プレーン（ＣＵ－ＸＰ：central unit-machine learning plane）エンティティから、機械学習モデル、パラメータのセット、または構成についてのアドレスを受信するための動作、特徴、手段、または命令をさらに含み得、ここで、機械学習モデル、パラメータのセット、または構成を受信することは、アドレスに基づく、機械学習ＭＲからの、機械学習モデル、パラメータのセット、または構成のダウンロードに基づき得る。
【0022】
[0022] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、基地局に含まれるＣＵ－ＸＰエンティティから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信することと、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスに基づいて、機械学習ＭＲへの、第２の機械学習モデル、第２のパラメータのセット、または第２の構成のアップロードを開始することと、を行うための動作、特徴、手段、または命令をさらに含み得る。
【0023】
[0023] 基地局におけるワイヤレス通信のための方法が説明される。方法は、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信することと、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することと、を含み得る。
【0024】
[0024] 基地局におけるワイヤレス通信のための装置が説明される。装置は、プロセッサと、プロセッサに結合されたメモリと、メモリに記憶された命令と、を含み得る。命令は、装置に、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信することと、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することと、を行わせるように、プロセッサによって実行可能であり得る。
【0025】
[0025] 基地局におけるワイヤレス通信のための別の装置が説明される。装置は、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信するための手段と、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信するための手段と、を含み得る。
【0026】
[0026] 基地局におけるワイヤレス通信のためのコードを記憶した非一時的なコンピュータ可読媒体が説明される。コードは、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信することと、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することと、を行うようにプロセッサによって実行可能な命令を含み得る。
【0027】
[0027] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、ＵＥから、機械学習モデル、ニューラルネットワーク機能、または両方のインジケーションを含む要求メッセージを受信するための動作、特徴、手段、または命令をさらに含み得、ここで、機械学習モデル、ニューラルネットワーク機能、または両方を送信することは、要求メッセージに基づき得る。
【0028】
[0028] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、ＵＥに、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを送信するための動作、特徴、手段、または命令をさらに含み得、ここで、機械学習モデルは、ホワイトリストに含まれ得るか、ブラックリストから除外され得るか、または両方であり得る。
【0029】
[0029] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、１つまたは複数の機械学習モデルの各機械学習モデルは、ロケーション、ネットワークスライス、ＤＮＮ、ＰＬＭＮ、ＵＥタイプ、ＲＲＣ状態、通信サービス、通信構成、またはこれらの任意の組合せに対応するそれぞれのスコープに関連付けられ得、要求メッセージを受信することは、ＵＥが機械学習モデルのそれぞれのスコープ内にあり得る条件を有することを含むトリガイベントに基づき得る。
【0030】
[0030] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、要求メッセージは、トリガイベントのインジケーションを含む。
【0031】
[0031] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、要求メッセージを受信することは、要求メッセージを含むＵＥ支援情報メッセージを受信するための動作、特徴、手段、または命令を含み得る。
【0032】
[0032] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例では、要求メッセージを受信することは、要求メッセージを含むＲＲＣシグナリングを受信するための動作、特徴、手段、または命令を含み得る。
【0033】
[0033] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、基地局に含まれるＣＵ－ＣＰエンティティにおいて、要求メッセージを受信することと、ＣＵ－ＣＰエンティティから基地局に含まれるＣＵ－ＸＰエンティティへ要求メッセージを転送することと、要求メッセージに基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成を、ＣＵ－ＣＰエンティティにダウンロードすることと、ここで、ＵＥに、機械学習モデル、パラメータのセット、または構成を送信することは、ダウンロードすることに基づき得る、を行うための動作、特徴、手段、または命令をさらに含み得る。
【0034】
[0034] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、ＵＥから、機械学習モデル、パラメータのセット、または構成についてのアドレスを受信することと、ＵＥのために、アドレスに基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成をダウンロードすることと、を行うための動作、特徴、手段、または命令をさらに含み得る。
【0035】
[0035] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、ＵＥから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信することと、機械学習ＭＲに、第２の機械学習モデル、第２のパラメータのセット、または第２の構成をアップロードすることと、を行うための動作、特徴、手段、または命令をさらに含み得る。
【0036】
[0036] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、基地局に含まれるＣＵ－ＸＰエンティティにおいて、ＵＥから、機械学習モデル、パラメータのセット、または構成に関連付けられたＩＤを受信することと、ＩＤに少なくとも部分的に基づいて、機械学習モデル、パラメータのセット、または構成についてのアドレスを決定することと、ＵＥのために、アドレスに基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成をダウンロードすることと、ここで、ＵＥに、機械学習モデル、パラメータのセット、または構成を送信することは、ダウンロードすることに基づき得る、を行うための動作、特徴、手段、または命令をさらに含み得る。
【0037】
[0037] 本明細書で説明される方法、装置、および非一時的なコンピュータ可読媒体のいくつかの例は、基地局に含まれるＣＵ－ＸＰエンティティにおいて、ＵＥから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成に関連付けられたＩＤを受信することと、ＩＤに少なくとも部分的に基づいて、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスを決定することと、機械学習ＭＲに、アドレスに基づいて、第２の機械学習モデル、第２のパラメータのセット、または第２の構成をアップロードすることと、を行うための動作、特徴、手段、または命令をさらに含み得る。
【図面の簡単な説明】
【0038】
【発明を実施するための形態】
【0039】
[0049] ユーザ機器（ＵＥ）が、異なる通信プロシージャを実行するために、機械学習を利用し得る。例えば、ＵＥは、セル再選択、チャネル状態情報（ＣＳＩ）報告、等を実行するために、機械学習を利用し得る。機械学習を利用するために、ＵＥは、ニューラルネットワーク機能、機械学習モデル、および対応するパラメータの知識を取得し得る。ＵＥにおける機械学習の構成（例えば、ＵＥへのニューラルネットワーク機能、機械学習モデル、および対応するパラメータの供給（provision））をサポートするための、改善された解決策が望まれ得る。
【0040】
[0050] 本明細書では、ネットワークが、機械学習を利用するようにＵＥを構成し得る、改善されたアーキテクチャおよび技法が説明される。いくつかの例では、基地局は、例えば、中央ユニットユーザプレーン（ＣＵ－ＵＰ）、中央ユニット制御プレーン（ＣＵ－ＣＰ）、および分散ユニット（ＤＵ）などの、複数のネットワークエンティティを含み得る。いくつかのケースでは、基地局は、追加または代替として、機械学習に関係するメッセージの交換を容易にするように構成された別の中央ユニット（例えば、中央ユニット機械学習プレーン（ＣＵ－ＸＰ））を含み得る。さらに、基地局は、複数の機械学習モデルおよび対応するパラメータを記憶するように構成されたモデルリポジトリ（ＭＲ）を含み得るか、またはそれと通信状態にあり得る。いくつかのケースでは、中央ユニットは、代替として、集中ユニットと呼ばれ得る。
【0041】
[0051] いくつかのケースでは、ネットワークは、ＵＥからの機械学習を実装するための要求に応答して、ニューラルネットワークモデル、機械学習モデル、対応するパラメータ、またはこれらの任意の組合せをＵＥに提供し得る。いくつかの例では、ＵＥは、ユーザプレーンを介して（例えば、ＭＲから直接的に）、ニューラルネットワーク機能、機械学習モデル、または対応するパラメータをダウンロードし得る。他の例では、ＵＥは、制御プレーンを介して、ニューラルネットワーク機能、機械学習モデル、または対応するパラメータをダウンロードし得る（例えば、ＣＵ－ＣＰからモデルを取得する）。機械学習に関係する、ＵＥとネットワークとの間で交換されるメッセージ（例えば、要求メッセージ）は、無線リソース制御（ＲＲＣ）を介して（例えば、既存のまたは新しい無線ベアラ上でか、ＲＲＣメッセージ内の新しいコンテナを使用してか、またはこれらの任意の組合せで）シグナリングされ得る。本明細書で説明される技法は、ＵＥにおいて機械学習を可能にし得る。機械学習は、ネットワークからの命令がほとんどまたは全くない状態で、ＵＥがタスクを実行することを可能にし得る。したがって、ＵＥにおいて機械学習を可能にすることは、より少ないシグナリングオーバーヘッドと、ＵＥにおける低減された電力消費と、をもたらし得る。
【0042】
[0052] 本開示の態様は、最初に、ワイヤレス通信システムのコンテキストにおいて説明される。追加の態様は、プロトコルスタックおよびプロセスフローのコンテキストにおいて説明される。本開示の態様はさらに、機械学習のためにＵＥを構成することに関する装置図、システム図、およびフローチャートによって例示され、かつそれらを参照して説明される。
【0043】
[0053] 図１は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするワイヤレス通信システム１００の例を例示する。ワイヤレス通信システム１００は、１つまたは複数の基地局１０５と、１つまたは複数のＵＥ１１５と、コアネットワーク１３０と、を含み得る。いくつかの例では、ワイヤレス通信システム１００は、ロングタームエボリューション（ＬＴＥ）ネットワーク、ＬＴＥアドバンスト（ＬＴＥ－Ａ）ネットワーク、ＬＴＥ－Ａ Ｐｒｏネットワーク、または新無線（ＮＲ）ネットワークであり得る。いくつかの例では、ワイヤレス通信システム１００は、拡張されたブロードバンド通信、超高信頼性通信、低レイテンシ通信、低コストおよび低複雑度のデバイスとの通信、またはこれらの任意の組合せをサポートし得る。
【0044】
[0054] 基地局１０５は、ワイヤレス通信システム１００を形成するために、地理的エリア全体にわたって分散され得、異なる形態におけるまたは異なる能力を有するデバイスであり得る。基地局１０５およびＵＥ１１５は、１つまたは複数の通信リンク１２５を介して、ワイヤレスに通信し得る。各基地局１０５は、ＵＥ１１５および基地局１０５がそれにわたって１つまたは複数の通信リンク１２５を確立し得るカバレッジエリア１１０を提供し得る。カバレッジエリア１１０は、基地局１０５およびＵＥ１１５がそれにわたって１つまたは複数の無線アクセス技術に従って信号の通信をサポートし得る地理的エリアの例であり得る。
【0045】
[0055] ＵＥ１１５は、ワイヤレス通信システム１００のカバレッジエリア１１０全体にわたって分散され得、各ＵＥ１１５は、固定式であるか、または移動式であるか、あるいは異なる時間において両方であり得る。ＵＥ１１５は、異なる形態におけるまたは異なる能力を有するデバイスであり得る。いくつかの例となるＵＥ１１５が、図１に例示されている。本明細書で説明されるＵＥ１１５は、図１に示されるように、他のＵＥ１１５、基地局１０５、またはネットワーク機器（例えば、コアネットワークノード、中継デバイス、統合アクセスおよびバックホール（ＩＡＢ）ノード、または他のネットワーク機器）などの、様々なタイプのデバイスと通信することが可能であり得る。
【0046】
[0056] 基地局１０５は、コアネットワーク１３０と、または互いに、あるいは両方と通信し得る。例えば、基地局１０５は、１つまたは複数のバックホールリンク１２０を通じて（例えば、Ｓ１、Ｎ２、Ｎ３、または他のインターフェースを介して）、コアネットワーク１３０とインターフェースし得る。基地局１０５は、バックホールリンク１２０上で（例えば、Ｘ２、Ｘｎ、または他のインターフェースを介して）、直接的に（例えば、基地局１０５間で直接的に）または間接的に（例えば、コアネットワーク１３０を介して）のいずれかで、あるいは両方で、互いに通信し得る。いくつかの例では、バックホールリンク１２０は、１つまたは複数のワイヤレスリンクであり得るか、またはそれを含み得る。
【0047】
[0057] 本明細書で説明される１つまたは複数の基地局１０５は、ベーストランシーバ局、無線基地局、アクセスポイント、無線トランシーバ、ノードＢ、ｅノードＢ（ｅＮＢ）、次世代ノードＢもしくはギガノードＢ（これらのいずれもがｇＮＢと呼ばれ得る）、ホームノードＢ、ホームｅノードＢ、または他の好適な専門用語を含み得るか、またはそのように当業者によって呼ばれ得る。
【0048】
[0058] ＵＥ１１５は、モバイルデバイス、ワイヤレスデバイス、リモートデバイス、ハンドヘルドデバイス、または加入者デバイス、または何らかの他の好適な専門用語を含み得るか、またはそのように呼ばれ得、ここで、「デバイス」は、他の例の中でも特に、ユニット、局、端末、またはクライアントとも呼ばれ得る。ＵＥ１１５はまた、セルラフォン、携帯情報端末（ＰＤＡ）、タブレットコンピュータ、ラップトップコンピュータ、またはパーソナルコンピュータなどのパーソナル電子デバイスを含み得るか、またはそのように呼ばれ得る。いくつかの例では、ＵＥ１１５はまた、他の例の中でも特に、ワイヤレスローカルループ（ＷＬＬ）局、モノのインターネット（ＩｏＴ）デバイス、すべてのインターネット（ＩｏＥ）デバイス、またはマシンタイプ通信（ＭＴＣ）デバイスを含み得るか、またはそのように呼ばれ得、これは、他の例の中でも特に、アプライアンス、または車両、メータなどの様々な物体において実装され得る。
【0049】
[0059] 本明細書で説明されるＵＥ１１５は、図１に示されるように、他の例の中でも特に、時として中継器として機能し得る他のＵＥ１１５、ならびに、マクロｅＮＢもしくはｇＮＢ、スモールセルｅＮＢもしくはｇＮＢ、または中継基地局を含む、基地局１０５およびネットワーク機器などの、様々なタイプのデバイスと通信することが可能であり得る。
【0050】
[0060] ＵＥ１１５および基地局１０５は、１つまたは複数のキャリア上で、１つまたは複数の通信リンク１２５を介して、互いにワイヤレスに通信し得る。「キャリア」という用語は、通信リンク１２５をサポートするための定義された物理レイヤ構造を有する無線周波数スペクトルリソースのセットを指し得る。例えば、通信リンク１２５のために使用されるキャリアは、所与の無線アクセス技術（例えば、ＬＴＥ、ＬＴＥ－Ａ、ＬＴＥ－Ａ Ｐｒｏ、ＮＲ）のための１つまたは複数の物理レイヤチャネルに従って動作される無線周波数スペクトル帯域の一部分（例えば、帯域幅部分（ＢＷＰ：bandwidth part））を含み得る。各物理レイヤチャネルは、捕捉シグナリング（例えば、同期信号、システム情報）、キャリアについての動作を調整する制御シグナリング、ユーザデータ、または他のシグナリングを搬送し得る。ワイヤレス通信システム１００は、キャリアアグリゲーションまたはマルチキャリア動作を使用して、ＵＥ１１５との通信をサポートし得る。ＵＥ１１５は、キャリアアグリゲーション構成に従って、複数のダウンリンクコンポーネントキャリアと、１つまたは複数のアップリンクコンポーネントキャリアとで構成され得る。キャリアアグリゲーションは、周波数分割複信（ＦＤＤ）と時分割複信（ＴＤＤ）との両方のコンポーネントキャリアと共に使用され得る。
【0051】
[0061] キャリア上で送信される信号波形は、（例えば、直交周波数分割多重化（ＯＦＤＭ）または離散フーリエ変換拡散ＯＦＤＭ（ＤＦＴ－Ｓ－ＯＦＤＭ）などのマルチキャリア変調（ＭＣＭ）技法を使用して）複数のサブキャリアから構成され得る。ＭＣＭ技法を用いるシステムでは、リソース要素は、１つのシンボル期間（例えば、１つの変調シンボルの持続時間）と、１つのサブキャリアと、を含み得、ここで、シンボル期間とサブキャリア間隔は、反比例する（inversely related）。各リソース要素によって搬送されるビットの数は、変調方式（例えば、変調方式の次数、変調方式のコーディングレート、または両方）に依存し得る。したがって、ＵＥ１１５が受信するリソース要素が多いほど、および、変調方式の次数が高いほど、ＵＥ１１５のためのデータレートはより高くなり得る。ワイヤレス通信リソースは、無線周波数スペクトルリソースと、時間リソースと、空間リソース（例えば、空間レイヤまたはビーム）との組合せを指し得、複数の空間レイヤの使用は、ＵＥ１１５との通信についてのデータレートまたはデータ完全性（data integrity）をさらに増大させ得る。
【0052】
[0062] 基地局１０５またはＵＥ１１５のための時間間隔は、例えば、Ｔｓ＝１／（Δｆｍａｘ・Ｎｆ）秒のサンプリング期間を指し得る、基本時間単位の倍数で表され得、ここで、Δｆｍａｘは、最大のサポートされるサブキャリア間隔を表し得、Ｎｆは、最大のサポートされる離散フーリエ変換（ＤＦＴ）サイズを表し得る。通信リソースの時間間隔は、指定された持続時間（例えば、１０ミリ秒（ｍｓ））をそれぞれ有する無線フレームに従って編成され得る。各無線フレームは、システムフレーム番号（ＳＦＮ）（例えば、０から１０２３までの範囲にわたる）によって識別され得る。
【0053】
[0063] 各フレームは、複数の連続して番号付けされたサブフレームまたはスロットを含み得、各サブフレームまたはスロットは、同じ持続時間を有し得る。いくつかの例では、フレームは、（例えば、時間領域において）サブフレームに分割され得、各サブフレームは、いくつかのスロットにさらに分割され得る。代替として、各フレームは、可変数のスロットを含み得、スロットの数は、サブキャリア間隔に依存し得る。各スロットは、（例えば、各シンボル期間の先頭に追加されたサイクリックプレフィックスの長さに依存して）いくつかのシンボル期間を含み得る。いくつかのワイヤレス通信システム１００では、スロットが、１つまたは複数のシンボルを含む複数のミニスロットにさらに分割され得る。サイクリックプレフィックスを除き、各シンボル期間は、１つまたは複数の（例えば、Ｎｆ個の）サンプリング期間を含み得る。シンボル期間の持続時間は、動作の周波数帯域またはサブキャリア間隔に依存し得る。
【0054】
[0064] サブフレーム、スロット、ミニスロット、またはシンボルは、ワイヤレス通信システム１００の（例えば、時間領域における）最小スケジューリング単位であり得、送信時間間隔（ＴＴＩ）と呼ばれ得る。いくつかの例では、ＴＴＩ持続時間（例えば、ＴＴＩにおけるシンボル期間の数）は、可変であり得る。追加または代替として、ワイヤレス通信システム１００の最小スケジューリング単位は、（例えば、短縮ＴＴＩ（ｓＴＴＩ）のバーストにおいて）動的に選択され得る。
【0055】
[0065] 物理チャネルは、様々な技法に従って、キャリア上で多重化され得る。物理制御チャネルおよび物理データチャネルは、例えば、時分割多重化（ＴＤＭ）技法、周波数分割多重化（ＦＤＭ）技法、またはハイブリッドＴＤＭ－ＦＤＭ技法のうちの１つまたは複数を使用して、ダウンリンクキャリア上で多重化され得る。物理制御チャネルのための制御領域（例えば、制御リソースセット（ＣＯＲＥＳＥＴ））は、いくつかのシンボル期間によって定義され得、キャリアのシステム帯域幅またはシステム帯域幅のサブセットにわたって拡張し得る。１つまたは複数の制御領域（例えば、ＣＯＲＥＳＥＴ）が、ＵＥ１１５のセットのために構成され得る。例えば、ＵＥ１１５のうちの１つまたは複数は、１つまたは複数の探索空間セットに従って、制御情報について制御領域を監視または探索し得、各探索空間セットは、カスケード方式で配列された１つまたは複数のアグリゲーションレベルにおける１つまたは複数の制御チャネル候補を含み得る。制御チャネル候補のためのアグリゲーションレベルは、所与のペイロードサイズを有する制御情報フォーマットのための符号化された情報に関連付けられた制御チャネルリソース（例えば、制御チャネル要素（ＣＣＥ））の数を指し得る。探索空間セットは、複数のＵＥ１１５に制御情報を送るために構成された共通探索空間セットと、特定のＵＥ１１５に制御情報を送るためのＵＥ固有探索空間セットと、を含み得る。
【0056】
[0066] いくつかの例では、基地局１０５は、移動可能であり、したがって、移動する地理的カバレッジエリア１１０のために通信カバレッジを提供し得る。いくつかの例では、異なる技術に関連付けられた異なる地理的カバレッジエリア１１０は、オーバーラップし得るが、異なる地理的カバレッジエリア１１０は、同じ基地局１０５によってサポートされ得る。他の例では、異なる技術に関連付けられたオーバーラップする地理的カバレッジエリア１１０は、異なる基地局１０５によってサポートされ得る。ワイヤレス通信システム１００は、例えば、異なるタイプの基地局１０５が、同じまたは異なる無線アクセス技術を使用して、様々な地理的カバレッジエリア１１０のためにカバレッジを提供する、異種ネットワークを含み得る。
【0057】
[0067] いくつかのＵＥ１１５は、半二重通信（例えば、送信または受信を介した一方向通信をサポートするが、同時に送信と受信とをサポートしないモード）などの、電力消費を低減させる動作モードを用いるように構成され得る。いくつかの例では、半二重通信は、低減されたピークレートで実行され得る。ＵＥ１１５のための他の電力節約技法は、アクティブな通信に従事していないときに省電力ディープスリープモードに入ること、（例えば、狭帯域通信に従って）制限された帯域幅上で動作すること、またはこれらの技法の組合せを含む。例えば、いくつかのＵＥ１１５は、キャリア内、キャリアのガードバンド内、またはキャリア外の定義された部分または範囲（例えば、サブキャリアまたはリソースブロック（ＲＢ）のセット）に関連付けられた狭帯域プロトコルタイプを使用する動作のために構成され得る。
【0058】
[0068] ワイヤレス通信システム１００は、超高信頼性通信または低レイテンシ通信、あるいはこれらの様々な組合せをサポートするように構成され得る。例えば、ワイヤレス通信システム１００は、超高信頼性低レイテンシ通信（ＵＲＬＬＣ）をサポートするように構成され得る。ＵＥ１１５は、超高信頼性、低レイテンシ、または重要な機能をサポートするように設計され得る。超高信頼性通信は、プライベート通信またはグループ通信を含み得、プッシュツートーク、ビデオ、またはデータなどの１つまたは複数のサービスによってサポートされ得る。超高信頼性、低レイテンシ機能へのサポートは、サービスの優先順位付けを含み得、このようなサービスは、公共安全または一般的な商用アプリケーションのために使用され得る。超高信頼性、低レイテンシ、および超高信頼性低レイテンシという用語は、本明細書では互換的に使用され得る。
【0059】
[0069] いくつかの例では、ＵＥ１１５はまた、（例えば、ピアツーピア（Ｐ２Ｐ）またはＤ２Ｄプロトコルを使用して）デバイスツーデバイス（Ｄ２Ｄ）通信リンク１３５上で、他のＵＥ１１５と直接的に通信することが可能であり得る。Ｄ２Ｄ通信を利用する１つまたは複数のＵＥ１１５は、基地局１０５の地理的カバレッジエリア１１０内にあり得る。このようなグループにおける他のＵＥ１１５は、基地局１０５の地理的カバレッジエリア１１０の外部にあり得るか、または他の理由で（or be otherwise）、基地局１０５からの送信を受信することができない。いくつかの例では、Ｄ２Ｄ通信を介して通信するＵＥ１１５のグループは、各ＵＥ１１５がグループにおけるその他すべての（every other）ＵＥ１１５に送信する、一対多（one-to-many）（１：Ｍ）システムを利用し得る。いくつかの例では、基地局１０５は、Ｄ２Ｄ通信のためのリソースのスケジューリングを容易にする。他のケースでは、Ｄ２Ｄ通信は、基地局１０５の関与なしにＵＥ１１５間で行われる。
【0060】
[0070] コアネットワーク１３０は、ユーザ認証、アクセス認可、追跡、インターネットプロトコル（ＩＰ）接続性、および他のアクセス、ルーティング、またはモビリティ機能を提供し得る。コアネットワーク１３０は、発展型パケットコア（ＥＰＣ）または５Ｇコア（５ＧＣ）であり得、これは、アクセスおよびモビリティを管理する少なくとも１つの制御プレーンエンティティ（例えば、モビリティ管理エンティティ（ＭＭＥ）、アクセスおよびモビリティ管理機能（ＡＭＦ））と、パケットをルーティングするかまたは外部ネットワークに相互接続する少なくとも１つのユーザプレーンエンティティ（例えば、サービングゲートウェイ（Ｓ－ＧＷ）、パケットデータネットワーク（ＰＤＮ）ゲートウェイ（Ｐ－ＧＷ）、またはユーザプレーン機能（ＵＰＦ））と、を含み得る。制御プレーンエンティティは、コアネットワーク１３０に関連付けられた基地局１０５によってサービス提供されるＵＥ１１５のためのモビリティ、認証、およびベアラ管理などの、非アクセス層（ＮＡＳ）機能を管理し得る。ユーザＩＰパケットは、ユーザプレーンエンティティを通じて転送され得、これは、ＩＰアドレス割振りならびに他の機能を提供し得る。ユーザプレーンエンティティは、１つまたは複数のネットワーク事業者のためのＩＰサービス１５０に接続され得る。ＩＰサービス１５０は、インターネット、イントラネット（複数可）、ＩＰマルチメディアサブシステム（ＩＭＳ）、またはパケット交換ストリーミングサービスへのアクセスを含み得る。
【0061】
[0071] 基地局１０５などのネットワークデバイスのうちいくつかは、アクセスネットワークエンティティ１４０などのサブコンポーネントを含み得、これは、アクセスノードコントローラ（ＡＮＣ）の例であり得る。各アクセスネットワークエンティティ１４０は、無線ヘッド、スマート無線ヘッド、または送信／受信ポイント（ＴＲＰ）と呼ばれ得る１つまたは複数の他のアクセスネットワーク送信エンティティ１４５を通じてＵＥ１１５と通信し得る。各アクセスネットワーク送信エンティティ１４５は、１つまたは複数のアンテナパネルを含み得る。いくつかの構成では、各アクセスネットワークエンティティ１４０または基地局１０５の様々な機能は、様々なネットワークデバイス（例えば、無線ヘッドおよびＡＮＣ）にわたって分散され得るか、または単一のネットワークデバイス（例えば、基地局１０５）に統合され得る。
【0062】
[0072] ワイヤレス通信システム１００は、例えば、３００メガヘルツ（ＭＨｚ）～３００ギガヘルツ（ＧＨｚ）の範囲にある、１つまたは複数の周波数帯域を使用して動作し得る。一般に、３００ＭＨｚ～３ＧＨｚの領域は、波長が約１デシメートル～１メートルの長さに及ぶので、極超短波（ＵＨＦ：ultra-high frequency）領域またはデシメートル帯域として知られている。ＵＨＦ波は、建物および環境特徴によって遮断またはリダイレクトされ得るが、波は、マクロセルが屋内に位置するＵＥ１１５にサービスを提供するのに十分に構造を透過し得る。ＵＨＦ波の送信は、３００ＭＨｚより低いスペクトルの短波（ＨＦ）または超短波（ＶＨＦ）部分のより小さい周波数およびより長い波を使用する送信と比較して、より小さいアンテナおよびより短いレンジ（例えば、１００キロメートル未満）に関連付けられ得る。
【0063】
[0073] ワイヤレス通信システム１００は、ライセンス無線周波数スペクトル帯域とアンライセンス無線周波数スペクトル帯域との両方を利用し得る。例えば、ワイヤレス通信システム１００は、５ＧＨｚ産業科学医療用（ＩＳＭ）帯域などのアンライセンス帯域において、ライセンス支援アクセス（ＬＡＡ）、ＬＴＥアンライセンス（ＬＴＥ－Ｕ）無線アクセス技術、またはＮＲ技術を用い得る。アンライセンス無線周波数スペクトル帯域において動作するとき、基地局１０５およびＵＥ１１５などのデバイスは、衝突検出および回避のために、キャリア検知を用い得る。いくつかの例では、アンライセンス帯域における動作は、ライセンス帯域（例えば、ＬＡＡ）において動作するコンポーネントキャリアと共に（in conjunction with）、キャリアアグリゲーション構成に基づき得る。アンラインセンススペクトルにおける動作は、他の例の中でも特に、ダウンリンク送信、アップリンク送信、Ｐ２Ｐ送信、またはＤ２Ｄ送信を含み得る。
【0064】
[0074] 基地局１０５またはＵＥ１１５は、複数のアンテナを装備し得、これらは、送信ダイバーシティ、受信ダイバーシティ、多入力多出力（ＭＩＭＯ）通信、またはビームフォーミングなどの技法を用いるために使用され得る。基地局１０５またはＵＥ１１５のアンテナは、ＭＩＭＯ動作または送信もしくは受信ビームフォーミングをサポートし得る、１つまたは複数のアンテナアレイまたはアンテナパネル内に位置し得る。例えば、１つまたは複数の基地局アンテナまたはアンテナアレイは、アンテナタワーなどのアンテナアセンブリにおいてコロケートされ得る。いくつかの例では、基地局１０５に関連付けられたアンテナまたはアンテナアレイは、多様な地理的ロケーションに位置し得る。基地局１０５は、基地局１０５がＵＥ１１５との通信のビームフォーミングをサポートするために使用し得るアンテナポートのいくつかの行および列を有する、アンテナアレイを有し得る。同様に、ＵＥ１１５は、様々なＭＩＭＯまたはビームフォーミング動作をサポートし得る１つまたは複数のアンテナアレイを有し得る。追加または代替として、アンテナパネルは、アンテナポートを介して送信される信号のための無線周波数ビームフォーミングをサポートし得る。
【0065】
[0075] 基地局１０５またはＵＥ１１５は、異なる空間レイヤを介して複数の信号を送信または受信することによって、マルチパス信号伝搬を活用し、スペクトル効率を増大させるために、ＭＩＭＯ通信を使用し得る。このような技法は、空間多重化と呼ばれ得る。複数の信号は、例えば、異なるアンテナまたはアンテナの異なる組合せを介して、送信デバイスによって送信され得る。同様に、複数の信号は、異なるアンテナまたはアンテナの異なる組合せを介して、受信デバイスによって受信され得る。複数の信号の各々は、別個の空間ストリームと呼ばれ得、同じデータストリーム（例えば、同じコードワード）または異なるデータストリーム（例えば、異なるコードワード）に関連付けられたビットを搬送し得る。異なる空間レイヤは、チャネル測定および報告のために使用される異なるアンテナポートに関連付けられ得る。ＭＩＭＯ技法は、複数の空間レイヤが同じ受信デバイスに送信されるシングルユーザＭＩＭＯ（ＳＵ－ＭＩＭＯ）と、複数の空間レイヤが複数のデバイスに送信されるマルチユーザＭＩＭＯ（ＭＵ－ＭＩＭＯ）と、を含む。
【0066】
[0076] 空間フィルタリング、指向性送信、または指向性受信とも呼ばれ得るビームフォーミングは、送信デバイスと受信デバイスとの間の空間経路に沿ってアンテナビーム（例えば、送信ビーム、受信ビーム）を形成またはステアリングするために、送信デバイスまたは受信デバイス（例えば、基地局１０５、ＵＥ１１５）において使用され得る信号処理技法である。ビームフォーミングは、アンテナアレイのアンテナ素子を介して通信される信号を、アンテナアレイに対して特定の向きで伝搬するいくつかの信号が強め合う干渉を経験し、一方、他の信号が弱め合う干渉を経験するように組み合わせることによって達成され得る。アンテナ素子を介して通信される信号の調整は、送信デバイスまたは受信デバイスが、デバイスに関連付けられたアンテナ素子を介して搬送される信号に、振幅オフセット、位相オフセット、または両方を適用することを含み得る。アンテナ素子の各々に関連付けられた調整は、（例えば、送信デバイスまたは受信デバイスのアンテナアレイに対して、あるいは何らかの他の向きに対して）特定の向きに関連付けられたビームフォーミング重みセットによって定義され得る。
【0067】
[0077] ワイヤレス通信システム１００は、階層プロトコルスタックに従って動作するパケットベースのネットワークであり得る。ユーザプレーンでは、ベアラまたはパケットデータコンバージェンスプロトコル（ＰＤＣＰ）レイヤにおける通信は、ＩＰベースであり得る。無線リンク制御（ＲＬＣ）レイヤは、論理チャネル上で通信するために、パケットセグメンテーションおよびリアセンブリを実行し得る。媒体アクセス制御（ＭＡＣ）レイヤは、優先処理およびトランスポートチャネルへの論理チャネルの多重化を実行し得る。ＭＡＣレイヤはまた、ＭＡＣレイヤにおける再送信をサポートするために、誤り検出技法、誤り訂正技法、または両方を使用して、リンク効率を改善し得る。制御プレーンでは、ＲＲＣプロトコルレイヤは、ユーザプレーンデータのための無線ベアラをサポートする、ＵＥ１１５と、基地局１０５またはコアネットワーク１３０との間のＲＲＣ接続の確立、構成、および保守を提供し得る。物理レイヤにおいて、トランスポートチャネルは、物理チャネルにマッピングされ得る。
【0068】
[0078] いくつかの例では、ネットワークは、機械学習のためにＵＥ１１５を構成し得る。ＵＥ１１５は、ネットワーク（例えば、基地局１０５）に能力情報を送信し得る。能力情報は、潜在的なニューラルネットワーク機能のリスト、潜在的な機械学習モデルのリスト、またはＵＥ１１５が機械学習を要求し得るか否かのインジケーションのうちの１つまたは複数を含み得る。能力情報に基づいて、ネットワークは、ニューラルネットワーク機能のセット、機械学習モデルのセット、および対応するパラメータのセットを選択し、それらをＵＥ１１５に示し得る。いくつかの例では、ＵＥ１１５は、（例えば、何らかのトリガに基づいて）機械学習を実装することを要求するメッセージをネットワークに送り得る。メッセージは、ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータセットのインジケーションを含み得る。要求メッセージに応答して、ネットワークは、ＵＥ１１５において、機械学習モデルおよび対応するパラメータを構成し得る。ＵＥ１１５が機械学習モデルおよび対応するパラメータセットを取得すると、ネットワークは、ＵＥ１１５において機械学習をアクティブ化し得、ＵＥ１１５は、１つまたは複数のタスクを実行するために、機械学習を利用する。本明細書で説明される技法は、ＵＥ１１５において機械学習を可能にし得る。機械学習は、ネットワークからの命令がほとんどまたは全くない状態で、ＵＥ１１５がタスクを実行することを可能にし得る。したがって、ＵＥにおいて機械学習を可能にすることは、より少ないシグナリングオーバーヘッドと、ＵＥ１１５における低減された電力消費と、をもたらし得る。
【0069】
[0079] 図２Ａは、本開示の態様による、機械学習のためにＵＥを構成することをサポートするワイヤレス通信システム２０１の例を例示する。いくつかの例では、ワイヤレス通信システム２０１は、ワイヤレス通信システム１００を実装し得るか、またはワイヤレス通信システム１００によって実装され得る。例えば、ワイヤレス通信システム２０１は、基地局１０５－ａおよびＵＥ１１５－ａを含み得、これらは、図１を参照して説明されたような基地局１０５およびＵＥ１１５の例であり得る。
【0070】
[0080] 図２Ｂは、本明細書で説明されるように、機械学習のためにＵＥを構成することをサポートするプロトコルスタック２０２の例を例示する。いくつかの例では、プロトコルスタック２０２は、ワイヤレス通信システム１００を実装し得るか、またはワイヤレス通信システム１００によって実装され得る。例えば、プロトコルスタック２０２は、図１を参照して説明されたように、基地局１０５およびＵＥ１１５によって実装され得る。
【0071】
[0081] いくつかの例では、ワイヤレス通信システム２０１は、機械学習または人工知能をサポートし得る。機械学習を使用して、デバイス（例えば、基地局１０５－ａまたはＵＥ１１５－ａ）は、それを行うように明示的にプログラムされることなくタスクを実行し得る。機械学習を実行するために、デバイスは、ニューラルネットワーク機能およびニューラルネットワークモデルを取得し得る。ニューラルネットワーク機能は、１つまたは複数のニューラルネットワークモデルによってサポートされる機能として定義され得、実行されているタスクに固有であり得る。各ニューラルネットワーク機能の入力および出力が、設定され得（例えば、標準化され（standardized））、各ニューラルネットワーク機能は、ニューラルネットワーク機能識別子（ＩＤ）によって識別され得る。ニューラルネットワークモデルは、モデル構造およびパラメータセットとして定義され得る。モデル構造は、モデルＩＤによって識別され得、各モデルＩＤは、ニューラルネットワーク機能に関連付けられ得る。モデルＩＤはまた、ニューラルネットワークモデルに対応するパラメータのセットを指定し得る。パラメータのセットは、ニューラルネットワークモデルの重みおよび他の構成パラメータを含み得る。いくつかの例では、ＵＥ１１５－ａは、セル再選択、ビーム管理、等のために、機械学習を利用し得る。しかしながら、機械学習のためにＵＥ１１５－ａを構成するための方法は、不足し得るか、または非効率的であり得る。
【0072】
[0082] いくつかの例では、基地局１０５は、異なるネットワークエンティティを含み得る。例えば、基地局１０５－ａは、少なくともＣＵ－ＵＰ２０５、ＣＵ－ＣＰ２１０、ＤＵ２２０、および無線ユニット（ＲＵ）２２５を含み得る。ＣＵ－ＣＰ２１０は、パケットデータコンバージェンスプロトコル（ＰＤＣＰ）の制御プレーン部分をホストし得、ＣＵ－ＵＰ２０５は、ＰＤＣＰのユーザプレーン部分をホストし得る。一方、ＤＵ２２０は、下位レイヤシグナリング（例えば、媒体アクセス制御（ＭＡＣ）プロトコルまたは無線リンク制御（ＲＬＣ）プロトコル）をサポートし得、ＲＵ２２５は、物理レイヤシグナリングならびにデジタルビームフォーミング機能をサポートし得る。ＣＵ－ＵＰ２０５は、Ｅ１インターフェースを介してＣＵ－ＣＰ２１０に接続され得る。さらに、ＣＵ－ＵＰ２０５は、Ｆ１－Ｕインターフェースを介してＤＵ２２０に接続され得、ＣＵ－ＣＰ２１０は、Ｆ１－Ｃインターフェースを介してＤＵ２２０に接続され得る。本明細書で説明されるようにＵＥ１１５－ａにおいて機械学習をサポートするために、基地局１０５－ａはまた、ＣＵ－ＸＰ２１５も含み得る。ＣＵ－ＸＰ２１５は、図２Ｂに示されるように、機械学習制御（ＭＬＣ）プロトコルをホストし得る。ＭＬＣプロトコルは、ネットワークにおいて機械学習または人工知能を管理するための制御プレーンメッセージングを定義し得る。いくつかの例では、ＣＵ－ＸＰ２１５は、Ｅ３インターフェースを介してＣＵ－ＵＰに接続され得る。さらに、基地局１０５－ａは、ＵＥモデルリポジトリ（ＵＥ－ＭＲ）２３０と通信状態にあり得る。ＵＥ－ＭＲ２３０は、ニューラルネットワークモデルが記憶される中央ロケーションとして定義され得る（例えば、クラウドストレージ、オンラインストレージ、等）。
【0073】
[0083] ＵＥ１１５－ａにおいて機械学習を実装するために、ＭＬＣメッセージが、ＣＵ－ＸＰ２１５とＵＥ１１５－ａとの間で交換され得る。ＭＬＣメッセージは、機械学習または人工知能を容易にする制御メッセージとして定義され得る。いくつかの例では、ＭＬＣメッセージは、ＲＲＣシグナリングを介して、ＵＥ１１５－ａとＣＵ－ＸＰ２１５との間で交換され得る。例えば、ＵＥ１１５－ａおよびＣＵ－ＣＰ２１０は、ＣＵ－ＸＰ２１５に向けられたＭＬＣメッセージを搬送するコンテナを含むＲＲＣシグナリングを交換し得る。次いで、ＣＵ－ＣＰ２１０は、ＭＬＣメッセージをＣＵ－ＸＰ２１５に転送し得る。ＲＲＣコンテナは、ＣＵ－ＸＰ２１５において復号され、ＭＬＣレイヤに送られ得る。いくつかの例では、ＭＬＣメッセージは、ＲＲＣにおけるシグナリング無線ベアラ（ＳＲＢ）２上で搬送され得る。別の例では、新しいＳＲＢが機械学習のために定義され得（例えば、ＳＲＢ Ｘ）、ＭＬＣメッセージは、ＲＲＣにおける新しく定義されたＳＲＢ上で搬送され得る。いくつかの例では、ＭＬＣメッセージは、既存のＲＲＣメッセージによってピギーバックされ（piggybacked）得る。例えば、ＭＬＣメッセージは、コンテナとして、ＲＲＣ再構成メッセージ、ＲＲＣ再構成完了メッセージ、またはＲＲＣセットアップ／再開完了メッセージに含まれ得る。
【0074】
[0084] 図３は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするプロセスフロー３００の例を例示する。いくつかの例では、プロセスフロー３００は、ワイヤレス通信システム１００およびワイヤレス通信システム２０１の態様によって実装され得る。例えば、プロセスフロー３００は、ＵＥ１１５－ｂ、ＣＵ－ＣＰ３０５、ＣＵ－ＸＰ３１０、およびＵＥ－ＭＲ３２０によって実行され得、これらは、図２を参照して説明されたようなＵＥ１１５、ＣＵ－ＣＰ２１０、ＣＵ－ＸＰ２１５、およびＵＥ－ＭＲ２３０の例であり得る。プロセスフロー３００は、機械学習のためにＵＥ１１５－ｂを構成するネットワークをサポートし得る。以下の代替例が実装され得、ここで、いくつかのステップは、説明されるものとは異なる順序で実行されるか、または全く実行されない。いくつかのケースでは、ステップは、以下に記載されていない追加の特徴を含み得るか、またはさらなるステップが追加され得る。
【0075】
[0085] ３２５において、ＵＥ１１５－ｂは、機械学習に関連する能力情報をネットワークと交換し得る。いくつかの例では、ＣＵ－ＣＰ３０５は、能力情報について問い合わせるメッセージをＵＥ１１５－ｂに送り得、ＵＥ１１５－ｂは、能力情報について問い合わせるメッセージを受信したことに基づいて、ＣＵ－ＣＰ３０５に能力情報を送り得る。ＵＥ１１５－ｂから能力情報を受信すると、ＣＵ－ＣＰ３０５は、能力情報をＣＵ－ＸＰ３１０に転送し得る。いくつかの例では、能力情報は、ＵＥ１１５－ｂによってサポートされるニューラルネットワーク機能のリスト、ＵＥ１１５－ｂによってサポートされるニューラルネットワークモデルのリスト（例えば、モデルＩＤのリスト）、ＵＥ１１５－ｂが機械学習のために構成されることを要求し得るか否かのインジケーション、等を含み得る。能力情報に基づいて、ＣＵ－ＣＰ３０５またはＣＵ－ＸＰ３１０は、ニューラルネットワーク機能のリストから１つまたは複数のニューラルネットワーク機能と、モデルＩＤのリストからの１つまたは複数のモデルＩＤと、対応するパラメータのセットのＩＤと、を決定し得る。１つまたは複数のニューラルネットワーク機能、１つまたは複数のモデルＩＤ、および対応するパラメータセットＩＤのインジケーションが、ＲＲＣメッセージ（例えば、ＲＲＣ再構成メッセージ）の一部として、ＭＬＣコンテナにおいて、ＣＵ－ＣＰ３０５からＵＥ１１５－ｂに送られ得る。ＲＲＣメッセージおよびＭＬＣコンテナの受け取りを確認するために、ＵＥ１１５－ｂは、ＣＵ－ＣＰ３０５にＲＲＣメッセージ（例えば、ＲＲＣ再構成完了メッセージ）を送信し得る。
【0076】
[0086] いくつかの例では、ＵＥ１１５－ｂは、機械学習を実装する（特定のタスクのために機械学習を実行する）ことを要求し得る。このような例では、ＣＵ－ＣＰ３０５からのＵＥ１１５－ｂへのＲＲＣメッセージはまた、機械学習要求のための禁止タイマを含み得る。禁止タイマは、ＵＥ１１５－ｂがネットワークに機械学習要求を送り得る回数を制限し得る。追加または代替として、ＲＲＣメッセージは、ニューラルネットワーク機能、モデルＩＤ、および対応するパラメータセットＩＤのブラックリスト、ならびに、ニューラルネットワーク機能、モデルＩＤ、および対応するパラメータセットＩＤのホワイトリストのインジケーションを含み得る。ＵＥ１１５－ｂは、ホワイトリスト中のモデルを実装することを要求することが可能であり得るが、ブラックリスト中のモデルを実装することを要求することは不可能であり得る。３２５においてＵＥ１１５－ｂに示された１つまたは複数のモデルＩＤの各モデルＩＤは、条件（または適用可能なスコープ）に関連付けられ得る。条件は、ロケーション（例えば、セル、セルリスト、追跡エリアアイデンティティ（ＴＡＩ）、無線アクセスネットワーク通知エリア（ＲＮＡ）、マルチブロードキャスト単一周波数ネットワーク（ＭＢＳＦＮ）エリア、または地理的エリア）、ネットワークスライス、深層ニューラルネットワーク（ＤＮＮ）タイプ、公衆陸上モバイルネットワーク（ＰＬＭＮ）リスト（例えば、公衆ネットワーク統合型非公衆ネットワーク（ＰＮＩ－ＮＰＮ：public network integrated non-public network）ＩＤまたはスタンドアロン非公衆ネットワーク（ＳＮＰＮ）ＩＤのリスト）、ＵＥのタイプ、ＲＲＣ状態、サービスのタイプ（例えば、マルチブロードキャストサービス（ＭＢＳ）またはサイドリンク）、または構成（例えば、ＭＩＭＯ、デュアル接続性／キャリアアグリゲーション（ＤＣ／ＣＡ）、またはｍｍＷ）であり得る。
【0077】
[0087] ３３０において、ＵＥ１１５－ｂは、１つまたは複数のモデルＩＤのうちのモデルＩＤに関連付けられた条件が満たされているかどうかを潜在的に決定し得る。例えば、ＵＥ１１５－ｂは、ＵＥ１１５－ｂが第１のモデルＩＤに関連付けられたセルを離れ、第２のモデルＩＤに関連付けられたセルに入ったと決定し得る。ＵＥ１１５－ｂが、モデルＩＤに関連付けられた条件が満たされていると決定すると、ＵＥ１１５－ｂは、３３５において、ＣＵ－ＣＰ３０５に機械学習要求メッセージを送り得る。機械学習要求メッセージは、その条件が満たされたモデルＩＤ（例えば、第２のモデルＩＤ）、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能、または満たされた条件のインジケーションのうちの１つまたは複数を含み得る。いくつかの例では、ＵＥ１１５－ｂは、ＵＥ支援情報メッセージ中に機械学習要求を含め得る。より詳細には、機械学習要求メッセージの情報を含む機械学習支援情報要素が、ＵＥ支援情報に追加され得る。いくつかの例では、その条件が満たされるモデルが、ブラックリストに含まれている場合、ＵＥ１１５－ｂは、機械学習要求を送らない場合がある。
【0078】
[0088] ＵＥ１１５－ｂから機械学習要求を受信すると、ネットワーク（例えば、ＣＵ－ＸＰ３１０またはＣＵ－ＣＰ３０５）は、（例えば、３３５において受信された機械学習要求メッセージ中で示された１つまたは複数のニューラルネットワーク機能から）ニューラルネットワーク機能と、（例えば、３３５において受信された機械学習要求メッセージ中で示されたモデルＩＤに対応する機械学習モデルを選択するなど）機械学習モデルと、を選択し、３４０において、機械学習モデルならびに対応するパラメータのセットでＵＥ１１５－ｂを構成し得る。いくつかの例では、ニューラルネットワークモデルでＵＥ１１５－ｂを構成することは、ＵＥ－ＭＲ３２０からニューラルネットワークモデルをダウンロードすることを含み得る。ニューラルネットワークモデルのダウンロードおよびアップロードの異なる態様は、図４～図６でより詳細に説明される。
【0079】
[0089] ＵＥ１１５－ｂに加えて、他のネットワークノード３１５（例えば、分散ユニット、ＣＵ－ＵＰ、またはＲＩＣ）が、選択された機械学習モデルおよび対応するパラメータのセットで構成され得る。他のネットワークノード３１５を構成するために、ＣＵ－ＸＰ３１０は、他のネットワークノード３１５にモデルセットアップ要求メッセージを送り得、ここで、モデルセットアップ要求メッセージは、選択されたニューラルネットワークモデルのモデルＩＤおよび対応するパラメータセットＩＤを含み得る。他のネットワークノード３１５は、モデルクエリ要求メッセージを介して、ＭＤＡＣにモデルＩＤおよびパラメータセットＩＤを送り得、ＭＤＡＣは、モデルＩＤに対応するアドレス（例えば、ウェブアドレスまたはＵＲＬ）と、パラメータＩＤに対応するアドレスと、を含むモデルクエリ応答を、他のネットワークノードに送信し得る。モデルクエリ応答メッセージを受信すると、他のネットワークノード３１５は、ＵＥ－ＭＲ３２０から、モデルＩＤに関連付けられたニューラルネットワークモデルと、パラメータセットＩＤに関連付けられたパラメータセットとを、それらのそれぞれのウェブアドレスによってダウンロードし得る。次いで、他のネットワークノード３１５は、ＣＵ－ＸＰ３１０へのモデルセットアップ応答メッセージを介して、ニューラルネットワークモデルおよび対応するパラメータセットの構成を確認し得、ＣＵ－ＸＰ３１０は、ニューラルネットワークモデル構成の確認を、ニューラルネットワーク応答メッセージを介して、ＣＵ－ＣＰ３０５に転送し得る。
【0080】
[0090] ３４５において、ネットワークは、ニューラルネットワークモデルをアクティブ化し得る。ＵＥ１１５－ｂにおいてニューラルネットワークモデルをアクティブ化するために、ＵＥ１１５－ｂは、機械学習のアクティブ化を要求するモデルアクティブ化要求メッセージを、ＣＵ－ＣＰ３０５を介して他のネットワークノード３１５に送信し得、他のネットワークノードは、ＵＥ１１５－ｂにおいて機械学習をアクティブ化するモデルアクティブ化応答メッセージを、ＭＡＣ－ＣＥまたはＲＲＣシグナリングを介してＵＥ１１５－ｂに送り得る。ネットワークにおいてニューラルネットワークモデルをアクティブ化するために、ＣＵ－ＣＰ３０５は、ＣＵ－ＸＰ３１０にモデルアクティブ化メッセージを送り得、ＣＵ－ＸＰ３１０は、他のネットワークノード３１５において機械学習をアクティブ化するモデルアクティブ化メッセージを他のネットワークノード３１５に送り得る。
【0081】
[0091] 図４は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするプロセスフロー４００の例を例示する。いくつかの例では、プロセスフロー４００は、ワイヤレス通信システム１００、ワイヤレス通信システム２０１、およびプロセスフロー３００の態様によって実装され得る。例えば、プロセスフロー４００は、ＵＥ１１５－ｃおよびＵＥ－ＭＲ４０５によって実行され得、これらは、図２を参照して説明されたようなＵＥ１１５およびＵＥ－ＭＲ２３０の例であり得る。プロセスフロー４００は、ＵＥ１１５－ｃにおけるニューラルネットワークモデルおよびパラメータセットのアップロードおよびダウンロードをサポートし得る。以下の代替例が実装され得、ここで、いくつかのステップは、説明されるものとは異なる順序で実行されるか、または全く実行されない。いくつかのケースでは、ステップは、以下に記載されていない追加の特徴を含み得るか、またはさらなるステップが追加され得る。
【0082】
[0092] 図３を参照して説明されたように、ネットワーク（例えば、ＣＵ－ＣＰまたはＣＵ－ＸＰ）は、（例えば、ＵＥ１１５－ｃの能力に基づいて、またはＵＥ１１５－ｃからの要求メッセージに基づいて）ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータのセットを選択し、ＵＥ１１５－ｃが機械学習を実行し得るように、ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータのセットを、ＵＥ１１５－ｃに示し得る。例えば、ネットワークは、ニューラルネットワーク機能ＩＤ、モデルＩＤ、および対応するパラメータセットＩＤを含むメッセージ（例えば、ＲＲＣ再構成メッセージ）を送信し得る。次いで、ＵＥ１１５－ｃは、示されたニューラルネットワークモデルおよび対応するパラメータのセットをダウンロードするために、以下のプロシージャを実行し得る。
【0083】
[0093] ４１０において、ＵＥ１１５－ｃは、ニューラルネットワークモデルのアドレス（例えば、ウェブアドレスまたはＵＲＬ）およびパラメータのセットのアドレス（例えば、ウェブアドレスまたはＵＲＬ）を構築し得る。いくつかの例では、ＵＥ１１５－ｃは、モデルＩＤおよびパラメータセットＩＤに基づいて、アドレスを構築し得る。モデルＩＤおよびパラメータセットＩＤは、事前定義された規則についての入力として機能し得る。
【0084】
[0094] ４１５において、ＵＥ１１５－ｃは、アドレスによって、ＵＥ－ＭＲ４０５からモデルおよび対応するパラメータのセットをダウンロードし得る。ＵＥ１１５－ｃは、ニューラルネットワークモデルのアドレス、および、いくつかの例では、パラメータのセットのアドレスを、ＵＥ－ＭＲ４０５に送り得る。例えば、ＵＥ１１５－ｃは、ニューラルネットワークモデルのアドレスを含むＨＴＴＰ ＧＥＴメッセージおよびパラメータのセットのアドレスを含むＨＴＴＰ ＧＥＴメッセージを送り得る。アドレスを受信すると、ＵＥ－ＭＲ４０５は、（例えば、２００ ＧＥＴメッセージ中で）ニューラルネットワークモデルおよび（例えば、２００ ＧＥＴメッセージ中で）対応するパラメータのセットを、ＵＥ１１５－ｃに送り得る。すなわち、ＵＥ１１５－ｃは、ニューラルネットワークモデルおよびパラメータのセットを、それらのそれぞれのアドレスによって、ＵＥ－ＭＲ４０５からダウンロードし得る。いくつかの例では、ＵＥ１１５－ｃは、頻繁に使用されるニューラルネットワークモデルおよびパラメータセットをキャッシュし得る。いくつかの例では、バージョンタグおよびタイマが、キャッシュされたニューラルネットワークモデルおよびパラメータセットの鮮度を評価および保護するために使用され得る。ニューラルネットワークモデルおよびパラメータセットがローカルにキャッシュされている場合、ＵＥ１１５－ｃは、ＵＥ－ＭＲ４０５からニューラルネットワークモデルおよびパラメータセットをダウンロードしない場合があるが、代わりに、キャッシュされたデータから、ニューラルネットワークモデルおよびパラメータセットを取得し得る。
【0085】
[0095] いくつかの例では、ＵＥ１１５－ｃは、ＵＥ－ＭＲ４０５からニューラルネットワークモデルおよびパラメータのセットを取得しない場合があるが、（例えば、モデルトレーニング構成を使用して）その他の場所で、ニューラルネットワークモデルおよびパラメータのセットを取得し得る。このような例では、ＵＥ１１５－ｃは、ＵＥ－ＭＲ４０５が将来の使用のためにニューラルネットワークモデルおよびパラメータのセットを記憶し得るように、または他のデバイスがニューラルネットワークモデルおよびパラメータのセットにアクセスし得るように、ＵＥ－ＭＲ４０５にニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。
【0086】
[0096] いくつかの例では、４２０において、ＵＥ１１５－ｃは、パラメータのセットのアドレス（例えば、ウェブアドレスまたはＵＲＬ）を構築し得る。別の例では、ＵＥ１１５－ｃは、ニューラルネットワークモデルとパラメータのセットとの両方のためにアドレス（例えば、ウェブアドレスまたはＵＲＬ）を構築し得る。ＵＥ１１５－ｃは、トレーニング構成からアドレスを知り得るか、またはＵＥ１１５－ｃは、ニューラルネットワークモデルに関連付けられたニューラルネットワークモデルＩＤおよびパラメータのセットに関連付けられたパラメータセットＩＤが入力として使用される事前定義された規則を使用して、アドレスを決定し得る。
【0087】
[0097] ４２５において、ＵＥ１１５－ｃは、アドレスによって、パラメータセット、および、いくつかの例では、ニューラルネットワークモデルを、ＵＥ－ＭＲ４０５にアップロードし得る。いくつかの例では、ＵＥ１１５－ｃは、ニューラルネットワークモデルおよびパラメータのセットを含むＨＴＴＰ ＰＵＴメッセージをＵＥ－ＭＲ４０５に送ることによって、パラメータのセットまたはニューラルネットワークモデルをＵＥ－ＭＲ４０５にアップロードし得る。パラメータのセットまたはニューラルネットワークモデルの受け取りを確認するために、ＵＥ－ＭＲは、ＵＥ１１５－ｃに確認メッセージ（例えば、２００ ＯＫメッセージ）を送り得る。
【0088】
[0098] 図５は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするプロセスフロー５００の例を例示する。いくつかの例では、プロセスフロー５００は、ワイヤレス通信システム１００、ワイヤレス通信システム２０１、プロセスフロー３００、またはプロセスフロー４００の態様によって実装され得る。例えば、プロセスフロー５００は、ＵＥ１１５－ｄ、ＣＵ－ＣＰ５０５、ＣＵ－ＸＰ５１０、およびＵＥ－ＭＲ５１５によって実行され得、これらは、図２を参照して説明されたようなＵＥ１１５、ＣＵ－ＣＰ２１０、ＣＵ－ＸＰ２１５、およびＵＥ－ＭＲ２３０の例であり得る。プロセスフロー５００は、ＵＥ１１５－ｄにおけるニューラルネットワークモデルおよびパラメータセットのアップロードおよびダウンロードをサポートし得る。以下の代替例が実装され得、ここで、いくつかのステップは、説明されるものとは異なる順序で実行されるか、または全く実行されない。いくつかのケースでは、ステップは、以下に記載されていない追加の特徴を含み得るか、またはさらなるステップが追加され得る。
【0089】
[0099] 図３を参照して説明されたように、ネットワーク（例えば、ＣＵ－ＣＰ５０５またはＣＵ－ＸＰ５１０）は、（例えば、ＵＥ１１５－ｄの能力に基づいて、またはＵＥ１１５－ｄからの要求メッセージに基づいて）ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータのセットを選択し、ＵＥ１１５－ｄが機械学習を実行し得るように、ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータのセットを、ＵＥ１１５－ｄに示し得る。例えば、ネットワークは、ニューラルネットワーク機能ＩＤ、モデルＩＤ、および対応するパラメータセットＩＤを含むメッセージ（例えば、ＲＲＣ再構成メッセージ）を送信し得る。次いで、ＵＥ１１５－ｄは、示されたニューラルネットワークモデルおよび対応するパラメータのセットを取得するために、以下のプロシージャを実行し得る。
【0090】
[0100] ５２０において、ＵＥ１１５－ｄは、ネットワークからニューラルネットワークモデルおよび対応するパラメータのセットを取得し得る。最初に、ＵＥ１１５－ｄは、５２５において、ＣＵ－ＣＰ５０５にモデルダウンロード要求メッセージを送り得る。モデルダウンロード要求メッセージは、ニューラルネットワークモデルに対応するモデルＩＤと、パラメータのセットに対応するパラメータセットＩＤと、を含み得る。いくつかの例では、ＵＥ１１５－ｄは、ＳＲＢ２上でＲＲＣシグナリングを介して、ＣＵ－ＣＰ５０５にダウンロード要求メッセージを送信し得る。
【0091】
[0101] ５３０において、ＣＵ－ＣＰ５０５は、モデルダウンロード要求をＣＵ－ＸＰ５１０に転送し得る。次いで、ＣＵ－ＸＰ５１０は、５３５において、ＵＥ－ＭＲ５１５から、ニューラルネットワークモデルおよびパラメータのセットを取り出し得る。ＵＥ１１５が、図４においてニューラルネットワークモデルおよびパラメータのセットをダウンロードする方法と同様に、ＣＵ－ＸＰ５１０は、モデルＩＤおよびパラメータセットＩＤを使用して、ニューラルネットワークモデルおよびパラメータのセットのためのアドレスを構築し、このアドレスを使用して、ＵＥ－ＭＲ５１５からニューラルネットワークモデルおよびパラメータのセットをダウンロードし得る。代替として、ＣＵ－ＸＰ５１０は、別のネットワークエンティティ（例えば、ＭＤＡＣ）からアドレスを取得し得る。
【0092】
[0102] ５４０において、ＣＵ－ＸＰ５１０は、ＣＵ－ＣＰ５０５にモデルダウンロード応答メッセージを送信し得る。モデルダウンロードモデル応答メッセージは、ニューラルネットワークモデルおよびパラメータのセットを含み得る。
【0093】
[0103] ５４５において、ＣＵ－ＣＰ５０５は、モデルダウンロード応答メッセージをＵＥ１１５－ｄに転送し得る。いくつかの例では、ＣＵ－ＣＰ５０５は、新しいＳＲＢ（例えば、ＳＲＢ Ｘ）上でＲＲＣシグナリングを介して、ＵＥ１１５－ｄにモデルダウンロード応答メッセージを送り得る。ニューラルネットワークモデルおよびパラメータのセットのサイズがしきい値を上回る場合、ＲＲＣセグメンテーションが、ＵＥ１１５－ｄにニューラルネットワークモデルおよびパラメータのセットを送るために使用され得る。
【0094】
[0104] いくつかの例では、ＵＥ１１５－ｄは、ＵＥ－ＭＲ５１５からニューラルネットワークモデルおよびパラメータのセットを取得しない場合があるが、（例えば、モデルトレーニング構成を使用して）その他の場所で、ニューラルネットワークモデルおよびパラメータのセットを取得し得る。このような例では、ＵＥ１１５－ｄは、ＵＥ－ＭＲ５１５が将来の使用のためにニューラルネットワークモデルおよびパラメータのセットを記憶し得るように、または他のデバイスがニューラルネットワークモデルおよびパラメータのセットにアクセスし得るように、ＵＥ－ＭＲ５１５にニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。
【0095】
[0105] ５５０において、ＵＥ１１５－ｄは、１つまたは複数のネットワークノードを介して、ＵＥ－ＭＲ５１５にニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。例えば、ＵＥ１１５－ｄは、５５５において、ＣＵ－ＣＰ５０５にモデルアップロード要求メッセージを送り得る。モデルアップロード要求メッセージは、ニューラルネットワークモデルおよびパラメータのセットを含み得る。いくつかの例では、ＵＥ１１５－ｄは、ＳＲＢ２上でＲＲＣシグナリングを介して、モデルアップロード要求メッセージを送信し得る。
【0096】
[0106] ５６０において、ＣＵ－ＣＰ５０５は、モデルアップロード要求をＣＵ－ＸＰ５１０に転送し得る。次いで、ＣＵ－ＸＰ５１０は、５６５において、ＵＥ－ＭＲ５１５にニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。ＵＥ１１５が、図４においてニューラルネットワークモデルおよびパラメータセットのセットをアップロードする方法と同様に、ＣＵ－ＸＰ５１０は、モデルＩＤおよびパラメータセットＩＤを使用して、ニューラルネットワークモデルおよびパラメータのセットのためのアドレスを構築し、このアドレスを使用して、ＵＥ－ＭＲ５１５にニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。代替として、ＣＵ－ＸＰ５１０は、別のネットワークエンティティ（例えば、ＭＤＡＣ）からアドレスを取得し得る。
【0097】
[0107] ５７０において、ＣＵ－ＸＰ５１０は、ＣＵ－ＣＰ５０５にモデルアップロード応答メッセージを送信し得る。モデルダウンロードモデル応答メッセージは、ニューラルネットワークモデルおよびパラメータのセットがＵＥ－ＭＲ５１５にアップロードされたという確認として機能し得る。
【0098】
[0108] ５７５において、ＣＵ－ＣＰ５０５は、モデルダウンロード応答メッセージをＵＥ１１５－ｄに転送し得る。いくつかの例では、ＣＵ－ＣＰ５０５は、新しいＳＲＢ（例えば、ＳＲＢ Ｘ）上でＲＲＣシグナリングを介して、ＵＥ１１５－ｄにモデルダウンロード応答メッセージを送り得る。
【0099】
[0109] 図６は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするプロセスフロー６００の例を例示する。いくつかの例では、プロセスフロー６００は、ワイヤレス通信システム１００、ワイヤレス通信システム２０１、プロセスフロー３００、プロセスフロー４００、またはプロセスフロー５００の態様によって実装され得る。例えば、プロセスフロー５００は、ＵＥ１１５－ｅ、ＣＵ－ＸＰ６０５、およびＵＥ－ＭＲ６１５によって実行され得、これらは、図２を参照して説明されたようなＵＥ１１５、ＣＵ－ＸＰ２１５、およびＵＥ－ＭＲ２３０の例であり得る。プロセスフロー６００は、ＵＥ１１５－ｅにおけるニューラルネットワークモデルおよびパラメータセットのアップロードおよびダウンロードをサポートし得る。以下の代替例が実装され得、ここで、いくつかのステップは、説明されるものとは異なる順序で実行されるか、または全く実行されない。いくつかのケースでは、ステップは、以下に記載されていない追加の特徴を含み得るか、またはさらなるステップが追加され得る。
【0100】
[0110] 図３を参照して説明されたように、ネットワーク（例えば、ＣＵ－ＣＰまたはＣＵ－ＸＰ６０５）は、（例えば、ＵＥ１１５－ｅの能力に基づいて、またはＵＥ１１５－ｅからの要求メッセージに基づいて）ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータのセットを選択し、ＵＥ１１５－ｅが機械学習を実行し得るように、ニューラルネットワーク機能、ニューラルネットワークモデル、および対応するパラメータのセットを、ＵＥ１１５－ｅに示し得る。例えば、ネットワークは、ニューラルネットワーク機能ＩＤ、モデルＩＤ、および対応するパラメータセットＩＤを含むメッセージ（例えば、ＲＲＣ再構成メッセージ）を送信し得る。次いで、ＵＥ１１５－ｅは、示されたニューラルネットワークモデルおよび対応するパラメータのセットを取得するために、以下のプロシージャを実行し得る。
【0101】
[0111] ６２０において、ＵＥ１１５－ｅは、ネットワークからニューラルネットワークモデルおよび対応するパラメータのセットを取得し得る。最初に、ＵＥ１１５－ｅは、６２５において、ＣＵ－ＸＰ６０５にモデルクエリ要求メッセージを送り得る。モデルクエリ要求メッセージは、ニューラルネットワークモデルに対応するモデルＩＤと、パラメータのセットに対応するパラメータセットＩＤと、を含み得る。
【0102】
[0112] ６３０において、ＣＵ－ＸＰ６０５は、モデルクエリ要求メッセージをＭＤＡＣ６１０に転送し得る。モデルクエリ要求メッセージに応答して、ＭＤＡＣ６１０は、６３５において、ＣＵ－ＸＰ６０５にモデルクエリ応答メッセージを送り得る。モデルクエリ要求メッセージは、ニューラルネットワークモデルについてのアドレスと、パラメータのセットについてのアドレスと、を含み得る。
【0103】
[0113] ６４０において、ＣＵ－ＸＰ６０５は、モデルクエリ応答メッセージをＵＥ１１５－ｅに転送し得る。次いで、ＵＥ１１５－ｅは、６４５において、ＵＥ－ＭＲに、ニューラルネットワークモデルについてのアドレスと、パラメータのセットについてのアドレスと、を含むメッセージ（例えば、ＨＴＴＰ ＧＥＴメッセージ）を送り得る。ＵＥ－ＭＲ６１５は、メッセージを受信し、６５０において、ＵＥ１１５－ｅにニューラルネットワークモデルおよびパラメータのセットを送り得る。すなわち、ＵＥ１１５－ｅは、ＵＥ－ＭＲ６１５から、アドレスによって、ニューラルネットワークモデルおよびパラメータのセットをダウンロードし得る。
【0104】
[0114] いくつかの例では、ＵＥ１１５－ｅは、ＵＥ－ＭＲ６１５からニューラルネットワークモデルおよびパラメータのセットを取得しない場合があるが、（例えば、モデルトレーニング構成を使用して）その他の場所で、ニューラルネットワークモデルおよびパラメータのセットを取得し得る。このような例では、ＵＥ１１５－ｅは、ＵＥ－ＭＲ６１５が将来の使用のためにニューラルネットワークモデルおよびパラメータのセットを記憶し得るように、または他のデバイスがニューラルネットワークモデルおよびパラメータのセットにアクセスし得るように、ＵＥ－ＭＲ６１５にニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。
【0105】
[0115] ６５５において、ＵＥ１１５－ｅは、１つまたは複数のネットワークノードを介して、ＵＥ－ＭＲ６１５にニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。例えば、ＵＥ１１５－ｅは、６６０において、ＣＵ－ＸＰ６０５にモデルクエリ要求メッセージを送り得る。モデルクエリ要求メッセージは、ニューラルネットワークモデルに関連付けられたモデルＩＤと、パラメータのセットに関連付けられたパラメータセットＩＤと、を含み得る。
【0106】
[0116] ６６５において、ＣＵ－ＸＰ５１０は、モデルクエリ要求をＭＤＡＣ６１０に転送し得る。モデルクエリ要求メッセージに応答して、ＭＤＡＣ６１０は、６７０において、ＣＵ－ＸＰ６０５にモデルクエリ応答メッセージを送り得る。モデルクエリ応答メッセージは、ニューラルネットワークモデルについてのアドレスと、パラメータのセットについてのアドレスと、を含み得る。
【0107】
[0117] ６７５において、ＣＵ－ＸＰ６０５は、モデルクエリ応答メッセージをＵＥ１１５－ｅに転送し得る。次いで、ＵＥ１１５－ｅは、６８０において、ニューラルネットワークモデルおよびパラメータのセットを含むメッセージ（例えば、ＨＴＴＰ ＰＵＴメッセージ）をＵＥ－ＭＲ６１５に送り得る。ＵＥ－ＭＲ６１５は、このメッセージを受信し得、６８５において、ＵＥ－ＭＲ６１５へのニューラルネットワークモデルおよびパラメータのセットのアップロードを確認するメッセージ。すなわち、ＵＥ１１５－ｅは、ＵＥ－ＭＲ６１５に、アドレスによって、ニューラルネットワークモデルおよびパラメータのセットをアップロードし得る。
【0108】
[0118] 図７は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするデバイス７０５のブロック図７００を示す。デバイス７０５は、本明細書で説明されたようなＵＥ１１５の態様の例であり得る。デバイス７０５は、受信機７１０と、送信機７１５と、通信マネージャ７２０と、を含み得る。デバイス７０５はまた、プロセッサを含み得る。これらのコンポーネントの各々は、（例えば、１つまたは複数のバスを介して）互いに通信状態にあり得る。
【0109】
[0119] 受信機７１０は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を受信するための手段を提供し得る。情報は、デバイス７０５の他のコンポーネントへと渡され得る。受信機７１０は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0110】
[0120] 送信機７１５は、デバイス７０５の他のコンポーネントによって生成された信号を送信するための手段を提供し得る。例えば、送信機７１５は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を送信し得る。いくつかの例では、送信機７１５は、トランシーバモジュールにおいて受信機７１０とコロケートされ得る。送信機７１５は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0111】
[0121] 通信マネージャ７２０、受信機７１０、送信機７１５、またはこれらの様々な組合せもしくはこれらの様々なコンポーネントは、本明細書で説明されるような、機械学習のためにＵＥを構成する様々な態様を実行するための手段の例であり得る。例えば、通信マネージャ７２０、受信機７１０、送信機７１５、またはこれらの様々な組合せもしくはコンポーネントは、本明細書で説明された機能のうちの１つまたは複数を実行するための方法をサポートし得る。
【0112】
[0122] いくつかの例では、通信マネージャ７２０、受信機７１０、送信機７１５、またはこれらの様々な組合せもしくはコンポーネントは、ハードウェアで（例えば、通信管理回路で）実装され得る。ハードウェアは、プロセッサ、デジタルシグナルプロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）または他のプログラマブル論理デバイス、個別ゲートまたはトランジスタ論理、個別ハードウェアコンポーネント、あるいは本開示で説明される機能を実行するための手段として構成されるか、またはさもなければその手段をサポートする、これらの任意の組合せを含み得る。いくつかの例では、プロセッサおよびプロセッサに結合されたメモリは、（例えば、プロセッサによって、メモリに記憶された命令を実行することによって）本明細書で説明された機能のうちの１つまたは複数を実行するように構成され得る。
【0113】
[0123] 追加または代替として、いくつかの例では、通信マネージャ７２０、受信機７１０、送信機７１５、またはこれらの様々な組合せもしくはコンポーネントは、プロセッサによって実行されるコードで（例えば、通信管理ソフトウェアまたはファームウェアとして）実装され得る。プロセッサによって実行されるコードで実装される場合、通信マネージャ７２０、受信機７１０、送信機７１５、またはこれらの様々な組合せもしくはコンポーネントの機能は、汎用プロセッサ、ＤＳＰ、中央処理ユニット（ＣＰＵ）、ＡＳＩＣ、ＦＰＧＡ、または（例えば、本開示で説明される機能を実行するための手段として構成されるか、またはさもなければその手段をサポートする）これらもしくは他のプログラマブル論理デバイスの任意の組合せによって実行され得る。
【0114】
[0124] いくつかの例では、通信マネージャ７２０は、受信機７１０、送信機７１５、または両方を使用してか、またはさもなければそれらと協働して、様々な動作（例えば、受信すること、監視すること、送信すること）を実行するように構成され得る。例えば、通信マネージャ７２０は、受信機７１０から情報を受信し得るか、送信機７１５に情報を送り得るか、または、情報を受信すること、情報を送信すること、もしくは本明細書で説明されるような様々な他の動作を実行することを行うように、受信機７１０、送信機７１５、もしくは両方と組み合わせて一体化され得る。
【0115】
[0125] 通信マネージャ７２０は、本明細書で開示されるような例に従って、ＵＥにおけるワイヤレス通信をサポートし得る。例えば、通信マネージャ７２０は、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。通信マネージャ７２０は、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0116】
[0126] 本明細書で説明されるような例に従って通信マネージャ７２０を含むかまたは構成することによって、デバイス７０５（例えば、受信機７１０、送信機７１５、通信マネージャ７２０、もしくはこれらの組合せを制御するか、またはさもなければそれらに結合されたプロセッサ）は、低減された電力消費のための技法をサポートし得る。本明細書で説明されるような方法は、デバイス７０５が、いくつかの通信プロシージャのために機械学習を利用することを可能にし得る。機械学習は、デバイス７０５が、明示的なプログラミングなしに通信を実行することを可能にし得、これは、ＵＥにおける電力消費を低減し得る。
【0117】
[0127] 図８は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするデバイス８０５のブロック図８００を示す。デバイス８０５は、本明細書で説明されたような、デバイス７０５またはＵＥ１１５の態様の例であり得る。デバイス８０５は、受信機８１０と、送信機８１５と、通信マネージャ８２０と、を含み得る。デバイス８０５はまた、プロセッサを含み得る。これらのコンポーネントの各々は、（例えば、１つまたは複数のバスを介して）互いに通信状態にあり得る。
【0118】
[0128] 受信機８１０は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を受信するための手段を提供し得る。情報は、デバイス８０５の他のコンポーネントへと渡され得る。受信機８１０は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0119】
[0129] 送信機８１５は、デバイス８０５の他のコンポーネントによって生成された信号を送信するための手段を提供し得る。例えば、送信機８１５は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を送信し得る。いくつかの例では、送信機８１５は、トランシーバモジュールにおいて受信機８１０とコロケートされ得る。送信機８１５は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0120】
[0130] デバイス８０５、またはその様々なコンポーネントは、本明細書で説明されるような、機械学習のためにＵＥを構成することの様々な態様を実行するための手段の例であり得る。例えば、通信マネージャ８２０は、ＵＥ機械学習マネージャ８３０、ＵＥアクティブ化コンポーネント８３５、またはこれらの任意の組合せを含み得る。通信マネージャ８２０は、本明細書で説明されたような通信マネージャ７２０の態様の例であり得る。いくつかの例では、通信マネージャ８２０、またはその様々なコンポーネントは、受信機８１０、送信機８１５、または両方を使用してか、またはさもなければそれらと協働して、様々な動作（例えば、受信すること、監視すること、送信すること）を実行するように構成され得る。例えば、通信マネージャ８２０は、受信機８１０から情報を受信し得るか、送信機８１５に情報を送り得るか、または、情報を受信すること、情報を送信すること、もしくは本明細書で説明されるような様々な他の動作を実行することを行うように、受信機８１０、送信機８１５、もしくは両方と組み合わせて一体化され得る。
【0121】
[0131] 通信マネージャ８２０は、本明細書で開示されるような例に従って、ＵＥにおけるワイヤレス通信をサポートし得る。ＵＥ機械学習マネージャ８３０は、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。ＵＥアクティブ化コンポーネント８３５は、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0122】
[0132] 図９は、本開示の態様による、機械学習のためにＵＥを構成することをサポートする通信マネージャ９２０のブロック図９００を示す。通信マネージャ９２０は、本明細書で説明されたような、通信マネージャ７２０、通信マネージャ８２０、または両方の態様の例であり得る。通信マネージャ９２０、またはその様々なコンポーネントは、本明細書で説明されるような、機械学習のためにＵＥを構成することの様々な態様を実行するための手段の例であり得る。例えば、通信マネージャ９２０は、ＵＥ機械学習マネージャ９３０、ＵＥアクティブ化コンポーネント９３５、ＵＥアドレスマネージャ９４０、ＵＥアップロードコンポーネント９４５、ＵＥ要求コンポーネント９５０、またはこれらの任意の組合せを含み得る。これらのコンポーネントの各々は、（例えば、１つまたは複数のバスを介して）互いに間接的にまたは直接的に通信し得る。
【0123】
[0133] 通信マネージャ９２０は、本明細書で開示されるような例に従って、ＵＥにおけるワイヤレス通信をサポートし得る。ＵＥ機械学習マネージャ９３０は、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。ＵＥアクティブ化コンポーネント９３５は、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0124】
[0134] いくつかの例では、ＵＥ要求コンポーネント９５０は、基地局に、機械学習モデル、ニューラルネットワーク機能、または両方のインジケーションを含む要求メッセージを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、機械学習モデル、ニューラルネットワーク機能、または両方を受信することは、要求メッセージに基づく。いくつかの例では、ＵＥ要求コンポーネント９５０は、基地局から、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、要求メッセージを送信することは、機械学習モデルがホワイトリストに含まれていること、ブラックリストから除外されていること、または両方に基づく。
【0125】
[0135] いくつかの例では、１つまたは複数の機械学習モデルの各機械学習モデルは、ロケーション、ネットワークスライス、ＤＮＮ、ＰＬＭＮ、ＵＥタイプ、ＲＲＣ状態、通信サービス、通信構成、またはこれらの任意の組合せに対応するそれぞれのスコープに関連付けられ、要求メッセージを送信することは、ＵＥが機械学習モデルのそれぞれのスコープ内にある条件を有することを含むトリガイベントに基づく。
【0126】
[0136] いくつかの例では、要求メッセージは、トリガイベントのインジケーションを含む。いくつかの例では、要求メッセージを送信することをサポートするために、ＵＥ要求コンポーネント９５０は、要求メッセージを含むＵＥ支援情報メッセージを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0127】
[0137] いくつかの例では、要求メッセージを送信することをサポートするために、ＵＥ要求コンポーネント９５０は、要求メッセージを含むＲＲＣシグナリングを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0128】
[0138] いくつかの例は、ＵＥアドレスマネージャ９４０は、関連付けられた識別子（associated identifier）および関連付けられた規則に基づいて、機械学習モデル、パラメータのセット、または構成についてのアドレスを決定するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、機械学習モデル、パラメータのセット、または構成を受信することは、アドレスに基づく、機械学習ＭＲからの、機械学習モデル、パラメータのセット、または構成のダウンロードに基づく。
【0129】
[0139] いくつかの例では、ＵＥアドレスマネージャ９４０は、関連付けられた識別子および関連付けられた規則に基づいて、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを決定するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、ＵＥアップロードコンポーネント９４５は、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスに基づいて、機械学習ＭＲへの、第２の機械学習モデル、第２のパラメータのセット、または第２の構成のアップロードを開始するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0130】
[0140] いくつかの例では、要求メッセージを送信することは、基地局に含まれるＣＵ－ＣＰエンティティに要求メッセージを送信することを含む。いくつかの例では、機械学習モデル、パラメータのセット、または構成を受信することは、ＣＵ－ＣＰエンティティから、機械学習モデル、パラメータのセット、または構成を受信することを含む。
【0131】
[0141] いくつかの例では、ＵＥアドレスマネージャ９４０は、基地局に含まれるＣＵ－ＸＰエンティティから、機械学習モデル、パラメータのセット、または構成についてのアドレスを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、機械学習モデル、パラメータのセット、または構成を受信することは、アドレスに基づく、機械学習ＭＲからの、機械学習モデル、パラメータのセット、または構成のダウンロードに基づく。
【0132】
[0142] いくつかの例では、ＵＥアドレスマネージャ９４０は、基地局に含まれるＣＵ－ＸＰエンティティから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、ＵＥアップロードコンポーネント９４５は、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスに基づいて、機械学習ＭＲへの、第２の機械学習モデル、第２のパラメータのセット、または第２の構成のアップロードを開始するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0133】
[0143] 図１０は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするデバイス１００５を含むシステム１０００の図を示す。デバイス１００５は、本明細書で説明されたような、デバイス７０５、デバイス８０５、またはＵＥ１１５のコンポーネントの例であり得るか、またはそれらを含み得る。デバイス１００５は、１つまたは複数の基地局１０５、ＵＥ１１５、またはこれらの任意の組合せとワイヤレスに通信し得る。デバイス１００５は、通信マネージャ１０２０、入力／出力（Ｉ／Ｏ）コントローラ１０１０、トランシーバ１０１５、アンテナ１０２５、メモリ１０３０、コード１０３５、およびプロセッサ１０４０などの、通信を送信および受信するためのコンポーネントを含む、双方向音声およびデータ通信のためのコンポーネントを含み得る。これらのコンポーネントは、１つまたは複数のバス（例えば、バス１０４５）を介して、電子通信状態にあり得るか、または別様に（例えば、動作可能に、通信可能に、機能的に、電子的に、電気的に）結合され得る。
【0134】
[0144] Ｉ／Ｏコントローラ１０１０は、デバイス１００５のための入力信号および出力信号を管理し得る。Ｉ／Ｏコントローラ１０１０はまた、デバイス１００５に組み込まれていない周辺機器を管理し得る。いくつかのケースでは、Ｉ／Ｏコントローラ１０１０は、外部周辺機器への物理的接続またはポートを表し得る。いくつかのケースでは、Ｉ／Ｏコントローラ１０１０は、ｉＯＳ（登録商標）、ＡＮＤＲＯＩＤ（登録商標）、ＭＳ－ＤＯＳ（登録商標）、ＭＳ－ＷＩＮＤＯＷＳ（登録商標）、ＯＳ／２（登録商標）、ＵＮＩＸ（登録商標）、ＬＩＮＵＸ（登録商標）、または別の既知のオペレーティングシステムなどのオペレーティングシステムを利用し得る。追加または代替として、Ｉ／Ｏコントローラ１０１０は、モデム、キーボード、マウス、タッチスクリーン、または同様のデバイスを表し得るか、またはそれと対話し得る。いくつかのケースでは、Ｉ／Ｏコントローラ１０１０は、プロセッサ１０４０などの、プロセッサの一部として実装され得る。いくつかのケースでは、ユーザは、Ｉ／Ｏコントローラ１０１０を介して、またはＩ／Ｏコントローラ１０１０によって制御されるハードウェアコンポーネントを介して、デバイス１００５と対話し得る。
【0135】
[0145] いくつかのケースでは、デバイス１００５は、単一のアンテナ１０２５を含み得る。しかしながら、いくつかの他のケースでは、デバイス１００５は、１つより多くのアンテナ１０２５を有し得、それらは、複数のワイヤレス送信を同時並行に（concurrently）送信または受信することが可能であり得る。トランシーバ１０１５は、本明細書で説明されたように、１つまたは複数のアンテナ１０２５、ワイヤードリンク、またはワイヤレスリンクを介して、双方向に通信し得る。例えば、トランシーバ１０１５は、ワイヤレストランシーバを表し得、別のワイヤレストランシーバと双方向に通信し得る。トランシーバ１０１５はまた、パケットを変調することと、変調されたパケットを送信のために１つまたは複数のアンテナ１０２５に与えることと、１つまたは複数のアンテナ１０２５から受信されたパケットを復調することと、を行うためのモデムを含み得る。トランシーバ１０１５、または、トランシーバ１０１５および１つまたは複数のアンテナ１０２５は、本明細書で説明されたような、送信機７１５、送信機８１５、受信機７１０、受信機８１０、またはこれらの任意の組合せもしくはこれらのコンポーネントの例であり得る。
【0136】
[0146] メモリ１０３０は、ランダムアクセスメモリ（ＲＡＭ）および読取専用メモリ（ＲＯＭ）を含み得る。メモリ１０３０は、プロセッサ１０４０によって実行されると、デバイス１００５に、本明細書で説明された様々な機能を実行させる命令を含む、コンピュータ可読で、コンピュータ実行可能なコード１０３５を記憶し得る。コード１０３５は、システムメモリまたは別のタイプのメモリなどの、非一時的なコンピュータ可読媒体に記憶され得る。いくつかのケースでは、コード１０３５は、プロセッサ１０４０によって直接的に実行可能でない場合があるが、（例えば、コンパイルされ、実行されると）コンピュータに、本明細書で説明された機能を実行させ得る。いくつかのケースでは、メモリ１０３０は、とりわけ、周辺コンポーネントまたはデバイスとの対話などの、基本ハードウェアまたはソフトウェア動作を制御し得る基本Ｉ／Ｏシステム（ＢＩＯＳ）を含み得る。
【0137】
[0147] プロセッサ１０４０は、インテリジェントハードウェアデバイス（例えば、汎用プロセッサ、ＤＳＰ、ＣＰＵ、マイクロコントローラ、ＡＳＩＣ、ＦＰＧＡ、プログラマブル論理デバイス、個別ゲートまたはトランジスタ論理コンポーネント、個別ハードウェアコンポーネント、あるいはこれらの任意の組合せ）を含み得る。いくつかのケースでは、プロセッサ１０４０は、メモリコントローラを使用してメモリアレイを動作させるように構成され得る。いくつかの他のケースでは、メモリコントローラは、プロセッサ１０４０に組み込まれ得る。プロセッサ１０４０は、デバイス１００５に、様々な機能（例えば、機械学習のためにＵＥを構成することをサポートする機能またはタスク）を実行させるために、メモリ（例えば、メモリ１０３０）に記憶されたコンピュータ可読命令を実行するように構成され得る。例えば、デバイス１００５またはデバイス１００５のコンポーネントは、プロセッサ１０４０と、プロセッサ１０４０に結合されたメモリ１０３０と、を含み得、プロセッサ１０４０およびメモリ１０３０は、本明細書で説明された様々な機能を実行するように構成される。
【0138】
[0148] 通信マネージャ１０２０は、本明細書で開示されるような例に従って、ＵＥにおけるワイヤレス通信をサポートし得る。例えば、通信マネージャ１０２０は、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。通信マネージャ１０２０は、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0139】
[0149] 本明細書で説明されるような例に従って通信マネージャ１０２０を含むかまたは構成することによって、デバイス１００５は、低減された電力消費およびデバイス間の改善された調整（coordination）のための技法をサポートし得る。
【0140】
[0150] いくつかの例では、通信マネージャ１０２０は、送信機１０１５、１つまたは複数のアンテナ１０２５、またはこれらの任意の組合せを使用してか、またはさもなければそれらと協働して、様々な動作（例えば、受信すること、監視すること、送信すること）を実行するように構成され得る。通信マネージャ１０２０は、別個のコンポーネントとして例示されているが、いくつかの例では、通信マネージャ１０２０を参照して説明された１つまたは複数の機能は、プロセッサ１０４０、メモリ１０３０、コード１０３５、またはこれらの任意の組合せによってサポートされ得るかまたは実行され得る。例えば、コード１０３５は、デバイス１００５に、本明細書で説明されるような、機械学習のためにＵＥを構成する様々な態様を実行させるためにプロセッサ１０４０によって実行可能な命令を含み得、または、プロセッサ１０４０およびメモリ１０３０は、そのような動作を実行またはサポートするように別様に構成され得る。
【0141】
[0151] 図１１は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするデバイス１１０５のブロック図１１００を示す。デバイス１１０５は、本明細書で説明されたような基地局１０５の態様の例であり得る。デバイス１１０５は、受信機１１１０と、送信機１１１５と、通信マネージャ１１２０と、を含み得る。デバイス１１０５はまた、プロセッサを含み得る。これらのコンポーネントの各々は、（例えば、１つまたは複数のバスを介して）互いに通信状態にあり得る。
【0142】
[0152] 受信機１１１０は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を受信するための手段を提供し得る。情報は、デバイス１１０５の他のコンポーネントへと渡され得る。受信機１１１０は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0143】
[0153] 送信機１１１５は、デバイス１１０５の他のコンポーネントによって生成された信号を送信するための手段を提供し得る。例えば、送信機１１１５は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を送信し得る。いくつかの例では、送信機１１１５は、トランシーバモジュールにおいて受信機１１１０とコロケートされ得る。送信機１１１５は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0144】
[0154] 通信マネージャ１１２０、受信機１１１０、送信機１１１５、またはこれらの様々な組合せもしくはこれらの様々なコンポーネントは、本明細書で説明されるような、機械学習のためにＵＥを構成する様々な態様を実行するための手段の例であり得る。例えば、通信マネージャ１１２０、受信機１１１０、送信機１１１５、またはこれらの様々な組合せもしくはコンポーネントは、本明細書で説明された機能のうちの１つまたは複数を実行するための方法をサポートし得る。
【0145】
[0155] いくつかの例では、通信マネージャ１１２０、受信機１１１０、送信機１１１５、またはこれらの様々な組合せもしくはコンポーネントは、ハードウェアで（例えば、通信管理回路で）実装され得る。ハードウェアは、プロセッサ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡまたは他のプログラマブル論理デバイス、個別ゲートまたはトランジスタ論理、個別ハードウェアコンポーネント、あるいは本開示で説明される機能を実行するための手段として構成されるか、またはさもなければその手段をサポートする、これらの任意の組合せを含み得る。いくつかの例では、プロセッサおよびプロセッサに結合されたメモリは、（例えば、プロセッサによって、メモリに記憶された命令を実行することによって）本明細書で説明された機能のうちの１つまたは複数を実行するように構成され得る。
【0146】
[0156] 追加または代替として、いくつかの例では、通信マネージャ１１２０、受信機１１１０、送信機１１１５、またはこれらの様々な組合せもしくはコンポーネントは、プロセッサによって実行されるコードで（例えば、通信管理ソフトウェアまたはファームウェアとして）実装され得る。プロセッサによって実行されるコードで実装される場合、通信マネージャ１１２０、受信機１１１０、送信機１１１５、またはこれらの様々な組合せもしくはコンポーネントの機能は、汎用プロセッサ、ＤＳＰ、ＣＰＵ、ＡＳＩＣ、ＦＰＧＡ、または（例えば、本開示で説明される機能を実行するための手段として構成されるか、またはさもなければその手段をサポートする）これらもしくは他のプログラマブル論理デバイスの任意の組合せによって実行され得る。
【0147】
[0157] いくつかの例では、通信マネージャ１１２０は、受信機１１１０、送信機１１１５、または両方を使用してか、またはさもなければそれらと協働して、様々な動作（例えば、受信すること、監視すること、送信すること）を実行するように構成され得る。例えば、通信マネージャ１１２０は、受信機１１１０から情報を受信し得るか、送信機１１１５に情報を送り得るか、または、情報を受信すること、情報を送信すること、もしくは本明細書で説明されるような様々な他の動作を実行することを行うように、受信機１１１０、送信機１１１５、もしくは両方と組み合わせて一体化され得る。
【0148】
[0158] 通信マネージャ１１２０は、本明細書で開示されるような例に従って、基地局におけるワイヤレス通信をサポートし得る。例えば、通信マネージャ１１２０は、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。通信マネージャ１１２０は、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0149】
[0159] 本明細書で説明されるような例に従って通信マネージャ１１２０を含むかまたは構成することによって、デバイス１１０５（例えば、受信機１１１０、送信機１１１５、通信マネージャ１１２０、またはこれらの組合せを制御するか、またはさもなければそれらに結合されたプロセッサ）は、低減された処理および低減された電力消費のための技法をサポートし得る。
【0150】
[0160] 図１２は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするデバイス１２０５のブロック図１２００を示す。デバイス１２０５は、本明細書で説明されたような、デバイス１１０５または基地局１０５の態様の例であり得る。デバイス１２０５は、受信機１２１０と、送信機１２１５と、通信マネージャ１２２０と、を含み得る。デバイス１２０５はまた、プロセッサを含み得る。これらのコンポーネントの各々は、（例えば、１つまたは複数のバスを介して）互いに通信状態にあり得る。
【0151】
[0161] 受信機１２１０は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を受信するための手段を提供し得る。情報は、デバイス１２０５の他のコンポーネントへと渡され得る。受信機１２１０は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0152】
[0162] 送信機１２１５は、デバイス１２０５の他のコンポーネントによって生成された信号を送信するための手段を提供し得る。例えば、送信機１２１５は、様々な情報チャネル（例えば、機械学習のためにＵＥを構成することに関連した情報チャネル、データチャネル、制御チャネル）に関連付けられたパケット、ユーザデータ、制御情報、またはこれらの任意の組合せなどの情報を送信し得る。いくつかの例では、送信機１２１５は、トランシーバモジュールにおいて受信機１２１０とコロケートされ得る。送信機１２１５は、単一のアンテナまたは複数のアンテナのセットを利用し得る。
【0153】
[0163] デバイス１２０５、またはその様々なコンポーネントは、本明細書で説明されるような、機械学習のためにＵＥを構成することの様々な態様を実行するための手段の例であり得る。例えば、通信マネージャ１２２０は、機械学習マネージャ１２３０、アクティブ化コンポーネント１２３５、またはこれらの任意の組合せを含み得る。通信マネージャ１２２０は、本明細書で説明されたような通信マネージャ１１２０の態様の例であり得る。いくつかの例では、通信マネージャ１２２０、またはその様々なコンポーネントは、受信機１２１０、送信機１２１５、または両方を使用してか、またはさもなければそれらと協働して、様々な動作（例えば、受信すること、監視すること、送信すること）を実行するように構成され得る。例えば、通信マネージャ１２２０は、受信機１２１０から情報を受信し得るか、送信機１２１５に情報を送り得るか、または、情報を受信すること、情報を送信すること、もしくは本明細書で説明されるような様々な他の動作を実行することを行うように、受信機１２１０、送信機１２１５、もしくは両方と組み合わせて一体化され得る。
【0154】
[0164] 通信マネージャ１２２０は、本明細書で開示されるような例に従って、基地局におけるワイヤレス通信をサポートし得る。機械学習マネージャ１２３０は、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。アクティブ化コンポーネント１２３５は、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0155】
[0165] 図１３は、本開示の態様による、機械学習のためにＵＥを構成することをサポートする通信マネージャ１３２０のブロック図１３００を示す。通信マネージャ１３２０は、本明細書で説明されたような、通信マネージャ１１２０、通信マネージャ１２２０、または両方の態様の例であり得る。通信マネージャ１３２０、またはその様々なコンポーネントは、本明細書で説明されるような、機械学習のためにＵＥを構成することの様々な態様を実行するための手段の例であり得る。例えば、通信マネージャ１３２０は、機械学習マネージャ１３３０、アクティブ化コンポーネント１３３５、アドレスコンポーネント１３４０、ダウンロードコンポーネント１３４５、アップロードコンポーネント１３５０、識別子コンポーネント１３５５、要求コンポーネント１３６０、またはこれらの任意の組合せを含み得る。これらのコンポーネントの各々は、（例えば、１つまたは複数のバスを介して）互いに間接的にまたは直接的に通信し得る。
【0156】
[0166] 通信マネージャ１３２０は、本明細書で開示されるような例に従って、基地局におけるワイヤレス通信をサポートし得る。機械学習マネージャ１３３０は、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。アクティブ化コンポーネント１３３５は、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0157】
[0167] いくつかの例では、要求コンポーネント１３６０は、ＵＥから、機械学習モデル、ニューラルネットワーク機能、または両方のインジケーションを含む要求メッセージ受信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、機械学習モデル、ニューラルネットワーク機能、または両方を送信することは、要求メッセージに基づく。いくつかの例では、要求コンポーネント１３６０は、ＵＥに、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、機械学習モデルは、ホワイトリストに含まれるか、ブラックリストから除外されるか、または両方である。いくつかの例では、要求メッセージは、トリガイベントのインジケーションを含む。
【0158】
[0168] いくつかの例では、１つまたは複数の機械学習モデルの各機械学習モデルは、ロケーション、ネットワークスライス、ＤＮＮ、ＰＬＭＮ、ＵＥタイプ、ＲＲＣ状態、通信サービス、通信構成、またはこれらの任意の組合せに対応するそれぞれのスコープに関連付けられ、要求メッセージを受信することは、ＵＥが機械学習モデルのそれぞれのスコープ内にある条件を有することを含むトリガイベントに基づく。
【0159】
[0169] いくつかの例では、要求メッセージを受信することをサポートするために、要求コンポーネント１３６０は、要求メッセージを含むＵＥ支援情報メッセージを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0160】
[0170] いくつかの例では、要求メッセージを受信することをサポートするために、要求コンポーネント１３６０は、要求メッセージを含むＲＲＣシグナリングを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0161】
[0171] いくつかの例では、アドレスコンポーネント１３４０は、ＵＥから、機械学習モデル、パラメータのセット、または構成についてのアドレスを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、ダウンロードコンポーネント１３４５は、ＵＥのために、アドレスに基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成をダウンロードするための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0162】
[0172] いくつかの例では、アドレスコンポーネント１３４０は、ＵＥから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、アップロードコンポーネント１３５０は、機械学習ＭＲに、第２の機械学習モデル、第２のパラメータのセット、または第２の構成をアップロードするための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0163】
[0173] いくつかの例では、要求コンポーネント１３６０は、基地局に含まれるＣＵ－ＣＰエンティティにおいて要求メッセージを受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、要求コンポーネント１３６０は、このＣＵ－ＣＰエンティティから基地局に含まれるＣＵ－ＸＰエンティティへ要求メッセージを転送するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、ダウンロードコンポーネント１３４５は、要求メッセージに基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成を、ＣＵ－ＣＰエンティティにダウンロードするための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、ＵＥに、機械学習モデル、パラメータのセット、または構成を送信することは、ダウンロードすることに基づく。
【0164】
[0174] いくつかの例では、識別子コンポーネント１３５５は、基地局に含まれるＣＵ－ＸＰエンティティにおいて、ＵＥから、機械学習モデル、パラメータのセット、または構成に関連付けられた識別子を受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、アドレスコンポーネント１３４０は、識別子に少なくとも部分的に基づいて、機械学習モデル、パラメータのセット、または構成についてのアドレスを決定するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、ダウンロードコンポーネント１３４５は、ＵＥのために、アドレスに基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成をダウンロードするための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、ＵＥに、機械学習モデル、パラメータのセット、または構成を送信することは、ダウンロードすることに基づく。
【0165】
[0175] いくつかの例では、識別子コンポーネント１３５５は、基地局に含まれるＣＵ－ＸＰエンティティにおいて、ＵＥから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成に関連付けられた識別子を受信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、アドレスコンポーネント１３４０は、識別子に少なくとも部分的に基づいて、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスを決定するための手段として構成され得るか、またはさもなければその手段をサポートし得る。いくつかの例では、アップロードコンポーネント１３５０は、機械学習ＭＲに、アドレスに基づいて、第２の機械学習モデル、第２のパラメータのセット、または第２の構成をアップロードするための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0166】
[0176] 図１４は、本開示の態様による、機械学習のためにＵＥを構成することをサポートするデバイス１４０５を含むシステム１４００の図を示す。デバイス１４０５は、本明細書で説明されたような、デバイス１１０５、デバイス１２０５、または基地局１０５のコンポーネントの例であり得るか、またはそれらを含み得る。デバイス１４０５は、１つまたは複数の基地局１０５、ＵＥ１１５、またはこれらの任意の組合せとワイヤレスに通信し得る。デバイス１４０５は、通信マネージャ１４２０、ネットワーク通信マネージャ１４１０、トランシーバ１４１５、アンテナ１４２５、メモリ１４３０、コード１４３５、プロセッサ１４４０、および局間通信マネージャ１４４５などの、通信を送信および受信するためのコンポーネントを含む、双方向音声およびデータ通信のためのコンポーネントを含み得る。これらのコンポーネントは、１つまたは複数のバス（例えば、バス１４５０）を介して、電子通信状態にあり得るか、または別様に（例えば、動作可能に、通信可能に、機能的に、電子的に、電気的に）結合され得る。
【0167】
[0177] ネットワーク通信マネージャ１４１０は、（例えば、１つまたは複数のワイヤードバックホールリンクを介して）コアネットワーク１３０との通信を管理し得る。例えば、ネットワーク通信マネージャ１４１０は、１つまたは複数のＵＥ１１５などのクライアントデバイスのためのデータ通信の転送を管理し得る。
【0168】
[0178] いくつかのケースでは、デバイス１４０５は、単一のアンテナ１４２５を含み得る。しかしながら、いくつかの他のケースでは、デバイス１４０５は、１つより多くのアンテナ１４２５を有し得、それらは、複数のワイヤレス送信を同時並行に送信または受信することが可能であり得る。トランシーバ１４１５は、本明細書で説明されたように、１つまたは複数のアンテナ１４２５、ワイヤードリンク、またはワイヤレスリンクを介して、双方向に通信し得る。例えば、トランシーバ１４１５は、ワイヤレストランシーバを表し得、別のワイヤレストランシーバと双方向に通信し得る。トランシーバ１４１５はまた、パケットを変調することと、変調されたパケットを送信のために１つまたは複数のアンテナ１４２５に与えることと、１つまたは複数のアンテナ１４２５から受信されたパケットを復調することと、を行うためのモデムを含み得る。トランシーバ１４１５、または、トランシーバ１４１５および１つまたは複数のアンテナ１４２５は、本明細書で説明されたような、送信機１１１５、送信機１２１５、受信機１１１０、受信機１２１０、またはこれらの任意の組合せもしくはこれらのコンポーネントの例であり得る。
【0169】
[0179] メモリ１４３０は、ＲＡＭおよびＲＯＭを含み得る。メモリ１４３０は、プロセッサ１４４０によって実行されると、デバイス１４０５に、本明細書で説明された様々な機能を実行させる命令を含む、コンピュータ可読で、コンピュータ実行可能なコード１４３５を記憶し得る。コード１４３５は、システムメモリまたは別のタイプのメモリなどの、非一時的なコンピュータ可読媒体に記憶され得る。いくつかのケースでは、コード１４３５は、プロセッサ１４４０によって直接的に実行可能でない場合があるが、（例えば、コンパイルされ、実行されると）コンピュータに、本明細書で説明された機能を実行させ得る。いくつかのケースでは、メモリ１４３０は、とりわけ、周辺コンポーネントまたはデバイスとの対話などの基本ハードウェアまたはソフトウェア動作を制御し得るＢＩＯＳを含み得る。
【0170】
[0180] プロセッサ１４４０は、インテリジェントハードウェアデバイス（例えば、汎用プロセッサ、ＤＳＰ、ＣＰＵ、マイクロコントローラ、ＡＳＩＣ、ＦＰＧＡ、プログラマブル論理デバイス、個別ゲートまたはトランジスタ論理コンポーネント、個別ハードウェアコンポーネント、あるいはこれらの任意の組合せ）を含み得る。いくつかのケースでは、プロセッサ１４４０は、メモリコントローラを使用してメモリアレイを動作させるように構成され得る。いくつかの他のケースでは、メモリコントローラは、プロセッサ１４４０に組み込まれ得る。プロセッサ１４４０は、デバイス１４０５に、様々な機能（例えば、機械学習のためにＵＥを構成することをサポートする機能またはタスク）を実行させるために、メモリ（例えば、メモリ１４３０）に記憶されたコンピュータ可読命令を実行するように構成され得る。例えば、デバイス１４０５またはデバイス１４０５のコンポーネントは、プロセッサ１４４０と、プロセッサ１４４０に結合されたメモリ１４３０と、を含み得、プロセッサ１４４０およびメモリ１４３０は、本明細書で説明された様々な機能を実行するように構成される。
【0171】
[0181] 局間通信マネージャ１４４５は、他の基地局１０５との通信を管理し得、他の基地局１０５と協働して、ＵＥ１１５との通信を制御するためのコントローラまたはスケジューラを含み得る。例えば、局間通信マネージャ１４４５は、ビームフォーミングまたはジョイント送信などの様々な干渉緩和技法のために、ＵＥ１１５への送信のためのスケジューリングを調整し得る。いくつかの例では、局間通信マネージャ１４４５は、基地局１０５間の通信を提供するために、ＬＴＥ／ＬＴＥ－Ａワイヤレス通信ネットワーク技術内のＸ２インターフェースを提供し得る。
【0172】
[0182] 通信マネージャ１４２０は、本明細書で開示されるような例に従って、基地局におけるワイヤレス通信をサポートし得る。例えば、通信マネージャ１４２０は、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信するための手段として構成され得るか、またはさもなければその手段をサポートし得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。通信マネージャ１４２０は、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信するための手段として構成され得るか、またはさもなければその手段をサポートし得る。
【0173】
[0183] 本明細書で説明されるような例に従って通信マネージャ１４２０を含むかまたは構成することによって、デバイス１４０５は、低減された電力消費およびデバイス間の改善された調整のための技法をサポートし得る。
【0174】
[0184] いくつかの例では、通信マネージャ１４２０は、送信機１４１５、１つまたは複数のアンテナ１４２５、またはこれらの任意の組合せを使用してか、またはさもなければそれらと協働して、様々な動作（例えば、受信すること、監視すること、送信すること）を実行するように構成され得る。通信マネージャ１４２０は、別個のコンポーネントとして例示されているが、いくつかの例では、通信マネージャ１４２０を参照して説明された１つまたは複数の機能は、プロセッサ１４４０、メモリ１４３０、コード１４３５、またはこれらの任意の組合せによってサポートされ得るかまたは実行され得る。例えば、コード１４３５は、デバイス１４０５に、本明細書で説明されるような、機械学習のためにＵＥを構成する様々な態様を実行させるためにプロセッサ１４４０によって実行可能な命令を含み得、またはプロセッサ１４４０およびメモリ１４３０は、そのような動作を実行またはサポートするように別様に構成され得る。
【0175】
[0185] 図１５は、本開示の態様による、機械学習のためにＵＥを構成することをサポートする方法１５００を例示するフローチャートを示す。方法１５００の動作は、本明細書で説明されたように、ＵＥまたはそのコンポーネントによって実施され得る。例えば、方法１５００の動作は、図１～図１０を参照して説明されたように、ＵＥ１１５によって実行され得る。いくつかの例では、ＵＥは、説明された機能を実行するために、ＵＥの機能要素を制御するための命令のセットを実行し得る。追加または代替として、ＵＥは、専用ハードウェアを使用して、説明された機能の態様を実行し得る。
【0176】
[0186] １５０５において、方法は、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信することを含み得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。１５０５の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１５０５の動作の態様は、図９を参照して説明されたように、ＵＥ機械学習マネージャ９３０によって実行され得る。
【0177】
[0187] １５１０において、方法は、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信することを含み得る１５１０の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１５１０の動作の態様は、図９を参照して説明されたように、ＵＥアクティブ化コンポーネント９３５によって実行され得る。
【0178】
[0188] 図１６は、本開示の態様による、機械学習のためにＵＥを構成することをサポートする方法１６００を例示するフローチャートを示す。方法１６００の動作は、本明細書で説明されたように、ＵＥまたはそのコンポーネントによって実施され得る。例えば、方法１６００の動作は、図１～図１０を参照して説明されたように、ＵＥ１１５によって実行され得る。いくつかの例では、ＵＥは、説明された機能を実行するために、ＵＥの機能要素を制御するための命令のセットを実行し得る。追加または代替として、ＵＥは、専用ハードウェアを使用して、説明された機能の態様を実行し得る。
【0179】
[0189] １６０５において、方法は、基地局に、１つまたは複数の機械学習モデルのうちの機械学習モデル、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能、または両方のインジケーションを備える要求メッセージを送信することを含み得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習モデルリポジトリに関連付けられる。１６０５の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１６０５の動作の態様は、図９を参照して説明されたように、ＵＥ要求コンポーネント９５０によって実行され得る。
【0180】
[0190] １６１０において、方法は、要求メッセージを送信することに少なくとも部分的に基づいて、基地局から、機械学習モデル、機械学習モデルに対応するパラメータのセット、またはニューラルネットワーク機能に対応する構成を受信することを含み得る。１６１０の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１６１０の動作の態様は、図９を参照して説明されたように、ＵＥ機械学習マネージャ９３０によって実行され得る。
【0181】
[0191] １６１５において、方法は、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信することを含み得る１６１５の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１６１５の動作の態様は、図９を参照して説明されたように、ＵＥアクティブ化コンポーネント９３５によって実行され得る。
【0182】
[0192] 図１７は、本開示の態様による、機械学習のためにＵＥを構成することをサポートする方法１７００を例示するフローチャートを示す。方法１７００の動作は、本明細書で説明されたように、基地局またはそのコンポーネントによって実施され得る。例えば、方法１７００の動作は、図１～図６および図１１～図１４を参照して説明されたように、基地局１０５によって実行され得る。いくつかの例では、基地局は、説明された機能を実行するために、基地局の機能要素を制御するための命令のセットを実行し得る。追加または代替として、基地局は、専用ハードウェアを使用して、説明された機能の態様を実行し得る。
【0183】
[0193] １７０５において、方法は、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信することを含み得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ得る。１７０５の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１７０５の動作の態様は、図１３を参照して説明されたように、機械学習マネージャ１３３０によって実行され得る。
【0184】
[0194] １７１０において、方法は、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することを含み得る１７１０の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１７１０の動作の態様は、図１３を参照して説明されたように、アクティブ化コンポーネント１３３５によって実行され得る。
【0185】
[0195] 図１８は、本開示の態様による、機械学習のためにＵＥを構成することをサポートする方法１８００を例示するフローチャートを示す。方法１８００の動作は、本明細書で説明されたように、基地局またはそのコンポーネントによって実施され得る。例えば、方法１８００の動作は、図１～図６および図１１～図１４を参照して説明されたように、基地局１０５によって実行され得る。いくつかの例では、基地局は、説明された機能を実行するために、基地局の機能要素を制御するための命令のセットを実行し得る。追加または代替として、基地局は、専用ハードウェアを使用して、説明された機能の態様を実行し得る。
【0186】
[0196] １８０５において、方法は、ＵＥから、１つまたは複数の機械学習モデルのうちの機械学習モデル、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能、または両方のインジケーションを備える要求メッセージを受信することを含み得、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習モデルリポジトリに関連付けられる。１８０５の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１８０５の動作の態様は、図１３を参照して説明されたように、要求コンポーネント１３６０によって実行され得る。
【0187】
[0197] １８１０において、方法は、要求メッセージを受信することに少なくとも部分的に基づいて、ＵＥに、機械学習モデル、機械学習モデルに対応するパラメータのセット、またはニューラルネットワーク機能に対応する構成を送信することを含み得る。１８１０の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１８１０の動作の態様は、図１３を参照して説明されたように、機械学習マネージャ１３３０によって実行され得る。
【0188】
[0198] １８１５において、方法は、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することを含み得る１８１５の動作は、本明細書で開示されたような例に従って実行され得る。いくつかの例では、１８１５の動作の態様は、図１３を参照して説明されたように、アクティブ化コンポーネント１３３５によって実行され得る。
【0189】
[0199] 以下は、本開示の態様の概要を提供する：
【0190】
[0200] 態様１：ＵＥおけるワイヤレス通信のための方法であって、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を受信することと、ここにおいて、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ、基地局から、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを受信することと、を備える方法。
【0191】
[0201] 態様２：基地局に、機械学習モデル、ニューラルネットワーク機能、または両方のインジケーションを備える要求メッセージを送信すること、ここにおいて、機械学習モデル、ニューラルネットワーク機能、または両方を受信することは、要求メッセージに少なくとも部分的に基づく、をさらに備える、態様１に記載の方法。
【0192】
[0202] 態様３：基地局から、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを受信すること、ここにおいて、要求メッセージを送信することは、機械学習モデルがホワイトリストに含まれていること、ブラックリストから除外されていること、または両方に少なくとも部分的に基づく、をさらに備える、態様２に記載の方法。
【0193】
[0203] 態様４：１つまたは複数の機械学習モデルの各機械学習モデルが、ロケーション、ネットワークスライス、ＤＮＮ、ＰＬＭＮ、ＵＥタイプ、ＲＲＣ状態、通信サービス、通信構成、またはこれらの任意の組合せに対応するそれぞれのスコープに関連付けられ、要求メッセージを送信することは、ＵＥが機械学習モデルのそれぞれのスコープ内にある条件を有することを備えるトリガイベントに少なくとも部分的に基づく、態様２～３のいずれかに記載の方法。
【0194】
[0204] 態様５：要求メッセージは、トリガイベントのインジケーションを備える、態様４に記載の方法。
【0195】
[0205] 態様６：要求メッセージを送信することは、要求メッセージを備えるＵＥ支援情報メッセージを送信することを備える、態様２～５のいずれかに記載の方法。
【0196】
[0206] 態様７：要求メッセージを送信することは、要求メッセージを備えるＲＲＣシグナリングを送信することを備える、態様２～６のいずれかに記載の方法。
【0197】
[0207] 態様８：要求メッセージを送信することは、基地局に含まれるＣＵ－ＣＰエンティティに要求メッセージを送信することを備え、機械学習モデル、パラメータのセット、または構成を受信することは、ＣＵ－ＣＰエンティティから、機械学習モデル、パラメータのセット、または構成を受信することを備える、態様２～７のいずれかに記載の方法。
【0198】
[0208] 態様９：関連付けられたＩＤおよび関連付けられた規則に少なくとも部分的に基づいて、機械学習モデル、パラメータのセット、または構成についてのアドレスを決定すること、ここにおいて、機械学習モデル、パラメータのセット、または構成を受信することは、アドレスに少なくとも部分的に基づく、機械学習ＭＲからの、機械学習モデル、パラメータのセット、または構成のダウンロードに少なくとも部分的に基づく、をさらに備える、態様１～７のいずれかに記載の方法。
【0199】
[0209] 態様１０：関連付けられたＩＤおよび関連付けられた規則に少なくとも部分的に基づいて、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを決定することと、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスに少なくとも部分的に基づいて、機械学習ＭＲへの、第２の機械学習モデル、第２のパラメータのセット、または第２の構成のアップロードを開始することと、をさらに備える、態様１～７のいずれかに記載の方法。
【0200】
[0210] 態様１１：基地局に含まれるＣＵ－ＸＰエンティティから、機械学習モデル、パラメータのセット、または構成についてのアドレスを受信すること、ここにおいて、機械学習モデル、パラメータのセット、または構成を受信することは、アドレスに少なくとも部分的に基づく、機械学習ＭＲからの、機械学習モデル、パラメータのセット、または構成のダウンロードに少なくとも部分的に基づく、をさらに備える、態様１～７のいずれかに記載の方法。
【0201】
[0211] 態様１２：基地局に含まれるＣＵ－ＸＰエンティティから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信することと、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスに少なくとも部分的に基づいて、機械学習ＭＲへの、第２の機械学習モデル、第２のパラメータのセット、または第２の構成のアップロードを開始することと、をさらに備える、態様１～７のいずれかに記載の方法。
【0202】
[0212] 態様１３：基地局におけるワイヤレス通信のための方法であって、ＵＥに、１つまたは複数の機械学習モデルのうちの機械学習モデル、機械学習モデルに対応するパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちのニューラルネットワーク機能に対応する構成を送信することと、ここで、１つまたは複数の機械学習モデル、１つまたは複数のニューラルネットワーク機能、またはこれらの任意の組合せは、基地局に含まれるかまたは結合された機械学習ＭＲに関連付けられ、ＵＥに、機械学習モデル、ニューラルネットワーク機能、または両方のためのアクティブ化メッセージを送信することと、を備える方法。
【0203】
[0213] 態様１４：ＵＥから、機械学習モデル、ニューラルネットワーク機能、または両方のインジケーションを含む要求メッセージを受信すること、ここにおいて、機械学習モデル、ニューラルネットワーク機能、または両方を送信することは、要求メッセージに少なくとも部分的に基づく、をさらに備える、態様１３に記載の方法。
【0204】
[0214] 態様１５：ＵＥに、ブラックリストに含まれる第１のセットの機械学習モデル、ホワイトリストに含まれる第２のセットの機械学習モデル、または両方を示すシグナリングを送信すること、ここにおいて、機械学習モデルは、ホワイトリストに含まれるか、ブラックリストから除外されるか、または両方である、をさらに備える、態様１４に記載の方法。
【0205】
[0215] 態様１６：１つまたは複数の機械学習モデルの各機械学習モデルが、ロケーション、ネットワークスライス、ＤＮＮ、ＰＬＭＮ、ＵＥタイプ、ＲＲＣ状態、通信サービス、通信構成、またはこれらの任意の組合せに対応するそれぞれのスコープに関連付けられ、要求メッセージを受信することは、ＵＥが機械学習モデルのそれぞれのスコープ内にある条件を有することを備えるトリガイベントに少なくとも部分的に基づく、態様１４～１５のいずれかに記載の方法。
【0206】
[0216] 態様１７：要求メッセージは、トリガイベントのインジケーションを備える、態様１６に記載の方法。
【0207】
[0217] 態様１８：要求メッセージを受信することは、要求メッセージを備えるＵＥ支援情報メッセージを受信することを備える、態様１４～１７のいずれかに記載の方法。
【0208】
[0218] 態様１９：要求メッセージを受信することは、要求メッセージを備えるＲＲＣシグナリングを受信することを備える、態様１４～１８のいずれかに記載の方法。
【0209】
[0219] 態様２０：基地局に含まれるＣＵ－ＣＰエンティティにおいて、要求メッセージを受信することと、ＣＵ－ＣＰエンティティから基地局に含まれるＣＵ－ＸＰエンティティへ要求メッセージを転送することと、要求メッセージに少なくとも部分的に基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成を、ＣＵ－ＣＰエンティティにダウンロードすることと、ここにおいて、ＵＥに、機械学習モデル、パラメータのセット、または構成を送信することは、ダウンロードすることに少なくとも部分的に基づく、をさらに備える、態様１４～１９のいずれかに記載の方法。
【0210】
[0220] 態様２１：ＵＥから、機械学習モデル、パラメータのセット、または構成についてのアドレスを受信することと、ＵＥのために、アドレスに少なくとも部分的に基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成をダウンロードすることと、をさらに備える、態様１３～１９のいずれかに記載の方法。
【0211】
[0221] 態様２２：ＵＥから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成についてのアドレスを受信することと、機械学習ＭＲに、第２の機械学習モデル、第２のパラメータのセット、または第２の構成をアップロードすることと、をさらに備える、態様１３～１９のいずれかに記載の方法。
【0212】
[0222] 態様２３：基地局に含まれるＣＵ－ＸＰエンティティにおいて、ＵＥから、機械学習モデル、パラメータのセット、または構成に関連付けられたＩＤを受信することと、ＩＤに少なくとも部分的に基づいて、機械学習モデル、パラメータのセット、または構成についてのアドレスを決定することと、ＵＥのために、アドレスに少なくとも部分的に基づいて、機械学習ＭＲから、機械学習モデル、パラメータのセット、または構成をダウンロードすることと、ここにおいて、ＵＥに、機械学習モデル、パラメータのセット、または構成を送信することは、ダウンロードすることに少なくとも部分的に基づく、をさらに備える、態様１３～１９のいずれかに記載の方法。
【0213】
[0223] 態様２４：基地局に含まれるＣＵ－ＸＰエンティティにおいて、ＵＥから、第２の機械学習モデル、第２の機械学習モデルに対応する第２のパラメータのセット、または、１つまたは複数のニューラルネットワーク機能のうちの第２のニューラルネットワーク機能に対応する第２の構成に関連付けられたＩＤを受信することと、ＩＤに少なくとも部分的に基づいて、第２の機械学習モデル、第２のパラメータのセット、または第２の構成についてのアドレスを決定することと、機械学習ＭＲに、アドレスに少なくとも部分的に基づいて、第２の機械学習モデル、第２のパラメータのセット、または第２の構成をアップロードすることと、をさらに備える、態様１３～１９のいずれかに記載の方法。
【0214】
[0224] 態様２５：ＵＥにおけるワイヤレス通信のための装置であって、プロセッサと、プロセッサに結合されたメモリと、装置に、態様１～１２のいずれかに記載の方法を実行させるように、プロセッサによって実行可能でありかつメモリに記憶された命令と、を備える装置。
【0215】
[0225] 態様２６：ＵＥにおけるワイヤレス通信のための装置であって、態様１～１２のいずれかに記載の方法を実行するための少なくとも１つの手段を備える装置。
【0216】
[0226] 態様２７：ＵＥにおけるワイヤレス通信のためのコードを記憶した非一時的なコンピュータ可読媒体であって、コードは、態様１～１２のいずれかに記載の方法を実行するようにプロセッサによって実行可能な命令を備える、非一時的なコンピュータ可読媒体。
【0217】
[0227] 態様２８：基地局におけるワイヤレス通信のための装置であって、プロセッサと、プロセッサに結合されたメモリと、装置に、態様１３～２４のいずれかに記載の方法を実行させるように、プロセッサによって実行可能でありかつメモリに記憶された命令と、を備える装置。
【0218】
[0228] 態様２９：基地局におけるワイヤレス通信のための装置であって、態様１３～２４のいずれかに記載の方法を実行するための少なくとも１つの手段を備える装置。
【0219】
[0229] 態様３０：基地局におけるワイヤレス通信のためのコードを記憶した非一時的なコンピュータ可読媒体であって、コードは、態様１３～２４のいずれかに記載の方法を実行するようにプロセッサによって実行可能な命令を備える、非一時的なコンピュータ可読媒体。
【0220】
[0230] 本明細書で説明された方法は、可能な実装形態を説明しており、動作およびステップは、再配置され得るかまたはさもなければ修正され得ること、および、他の実装形態が可能であることに留意されたい。さらに、これら方法のうちの２つ以上からの態様が組み合わされ得る。
【0221】
[0231] ＬＴＥ、ＬＴＥ－Ａ、ＬＴＥ－Ａ Ｐｒｏ、またはＮＲシステムの態様が、例を目的として説明され得、ＬＴＥ、ＬＴＥ－Ａ、ＬＴＥ－Ａ Ｐｒｏ、またはＮＲの専門用語が、説明の大部分において使用され得るが、本明細書で説明された技法は、ＬＴＥ、ＬＴＥ－Ａ、ＬＴＥ－Ａ Ｐｒｏ、またはＮＲネットワークの範囲を超えて適用可能である。例えば、説明された技法は、ウルトラモバイルブロードバンド（ＵＭＢ）、米国電気電子技術者協会（ＩＥＥＥ）８０２．１１（Ｗｉ－Ｆｉ）、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ）、ＩＥＥＥ ８０２．２０、フラッシュＯＦＤＭなどの様々な他のワイヤレス通信システム、ならびに、本明細書で明示的に言及されていない他のシステムおよび無線技術にも適用可能であり得る。
【0222】
[0232] 本明細書で説明された情報および信号は、様々な異なる技術および技法のうちの任意のものを使用して表され得る。例えば、説明全体にわたって参照され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、およびチップは、電圧、電流、電磁波、磁場または磁性粒子、光場または光粒子、あるいはこれらの任意の組合せによって表され得る。
【0223】
[0233] 本明細書の開示に関連して説明された、様々な例示的なブロックおよびコンポーネントは、汎用プロセッサ、ＤＳＰ、ＡＳＩＣ、ＣＰＵ、ＦＰＧＡまたは他のプログラマブル論理デバイス、個別ゲートまたはトランジスタ論理、個別ハードウェアコンポーネント、あるいは本明細書で説明された機能を実行するように設計されたこれらの任意の組合せを用いて実装または実行され得る。汎用プロセッサは、マイクロプロセッサであり得るが、代替として、このプロセッサは、任意のプロセッサ、コントローラ、マイクロコントローラ、またはステートマシン（state machine）であり得る。プロセッサはまた、コンピューティングデバイスの組合せ（例えば、ＤＳＰとマイクロプロセッサの組合せ、複数のマイクロプロセッサ、ＤＳＰコアと連携した１つまたは複数のマイクロプロセッサ、あるいはその他任意のそのような構成）として実装され得る。
【0224】
[0234] 本明細書で説明された機能は、ハードウェア、プロセッサによって実行されるソフトウェア、ファームウェア、またはこれらの任意の組合せで実装され得る。プロセッサによって実行されるソフトウェアで実装される場合、これら機能は、コンピュータ可読媒体上で、１つまたは複数の命令またはコードとして記憶または送信され得る。他の例および実装形態は、添付の特許請求の範囲および本開示の範囲内にある。例えば、ソフトウェアの性質により、本明細書で説明された機能は、プロセッサ、ハードウェア、ファームウェア、ハードワイヤリング、またはこれらの任意の組合せによって実行されるソフトウェアを使用して実装され得る。機能を実装する特徴はまた、機能の一部分が異なる物理的なロケーションにおいて実装されるように分散されていることを含めて、様々なポジションに物理的に位置し得る。
【0225】
[0235] コンピュータ可読媒体は、１つの場所から別の場所へのコンピュータプログラムの転送を容易にする任意の媒体を含む通信媒体と非一時的なコンピュータ記憶媒体との両方を含む。非一時的な記憶媒体は、汎用または専用コンピュータによってアクセスされ得る任意の利用可能な媒体であり得る。限定ではなく例として、非一時的なコンピュータ可読媒体は、ＲＡＭ、ＲＯＭ、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ（登録商標））、フラッシュメモリ、コンパクトディスク（ＣＤ）ＲＯＭもしくは他の光ディスク記憶装置、磁気ディスク記憶装置もしくは他の磁気記憶デバイス、あるいは、命令もしくはデータ構造の形態で所望のプログラムコード手段を搬送または記憶するために使用され得、かつ、汎用もしくは専用コンピュータ、または汎用もしくは専用プロセッサによってアクセスされ得る、その他任意の非一時的な媒体を含み得る。また、任意の接続が、厳密にはコンピュータ可読媒体と称される。例えば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ）、または赤外線、無線、およびマイクロ波などのワイヤレス技術を使用して、ウェブサイト、サーバ、または他のリモートソースから送信される場合には、同軸ケーブル、光ファイバケーブル、ツイストペア、ＤＳＬ、または赤外線、無線、およびマイクロ波などのワイヤレス技術は、コンピュータ可読媒体の定義に含まれる。本明細書で使用される場合、ディスク（disk）およびディスク（disc）は、ＣＤ、レーザーディスク（登録商標）、光ディスク、デジタル多目的ディスク（ＤＶＤ）、フロッピー（登録商標）ディスクおよびブルーレイディスクを含み、ここで、ディスク（disks）は、通常磁気的にデータを再生し、一方、ディスク（discs）は、レーザーを用いて光学的にデータを再生する。上記の組合せもまた、コンピュータ可読媒体の範囲内に含まれる。
【0226】
[0236] 特許請求の範囲を含め、本明細書で使用される場合、アイテムの列挙（例えば、「～のうちの少なくとも１つ（at least one of）」または「～のうちの１つまたは複数（one or more of）」といった表現で前置きされるアイテムの列挙）において使用される「または（or）」は、例えば、Ａ、Ｂ、またはＣのうちの少なくとも１つという列挙が、ＡまたはＢまたはＣまたはＡＢまたはＡＣまたはＢＣまたはＡＢＣ（すなわち、ＡおよびＢおよびＣ）を意味するような、包含的な列挙を示す。また、本明細書で使用される場合、「～に基づく」という表現は、条件の閉集合への参照として解釈されないものとする。例えば、「条件Ａに基づく」として説明された例となるステップは、本開示の範囲から逸脱することなく、条件Ａと条件Ｂの両方に基づき得る。換言すれば、本明細書で使用される場合、「～に基づく」という表現は、「～に少なくとも部分的に基づく」という表現と同様に解釈されるものとする。また、本明細書で使用される場合、「セット」という表現は、１つのメンバを有するセットの可能性を含むものとして解釈されるものとする。すなわち、「セット」という表現は、「１つまたは複数の」と同じように解釈されるものとする。
【0227】
[0237] 「決定する（determine）」または「決定すること（determining）」という用語は、多種多様なアクションを包含し、したがって、「決定すること」は、計算すること、コンピューティングすること、処理すること、導出すること、調査すること、（表、データベース、または別のデータ構造においてルックアップすることを介してなどの）ルックアップすること、確定すること、およびこれらに類することを含み得る。また、「決定すること」は、（情報を受信することなどの）受信すること、（メモリにおけるデータにアクセスすることなどの）アクセスすること、およびこれらに類することを含み得る。また、「決定すること」は、解決すること、選択すること、選ぶこと、確立すること、および他のこのような同様のアクションを含み得る。
【0228】
[0238] 添付の図面では、同様のコンポーネントまたは特徴は、同じ参照ラベルを有し得る。さらに、同じタイプの様々なコンポーネントは、参照ラベルの後に、ダッシュと、同様のコンポーネント同士を区別する第２のラベルとを続けることによって区別され得る。第１の参照ラベルのみが本明細書において使用される場合、その説明は、第２の参照ラベル、または他の後続の参照ラベルにかかわらず、同じ第１の参照ラベルを有する同様のコンポーネントのうちの任意の１つに適用可能である。
【0229】
[0239] 添付の図面に関連して、本明細書に示された説明は、例となる構成を説明しており、実装され得るまたは特許請求の範囲内にあるすべての例を表すものではない。本明細書で使用される「例」という用語は、「好ましい」または「他の例よりも有利である」ということではなく、「例、事例、または例示を提供する」を意味する。詳細な説明は、説明された技法の理解を提供することを目的とした特定の詳細を含む。しかしながら、これらの技法は、これらの特定の詳細なしで実施され得る。いくつかの事例では、周知の構造およびデバイスは、説明された例の概念を曖昧にすることを避けるために、ブロック図形式で示される。
【0230】
[0240] 本明細書の説明は、当業者が本開示を製造または使用することを可能にするために提供された。本開示への様々な修正は、当業者には容易に明らかとなり、本明細書で定義した一般原理は、本開示の範囲から逸脱することなく、他の変形形態に適用され得る。したがって、本開示は、本明細書で説明された例および設計に限定されず、本明細書で開示された原理および新規の特徴に合致する最も広い範囲を与えられることとなる。
【図1】
【図2A】
【図2B】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【国際調査報告】