JP7843859B2 - ワイヤレスデバイスのための機械学習フォールバックモデル - Google Patents

Description

本開示の実施形態は、ワイヤレス通信、より具体的には、ワイヤレスデバイスのための機械学習フォールバックモデルを対象とする。

概して、ここで使用される全ての用語は、異なる意味が明確に与えられていない限り、及び／又は使用されている文脈から異なる意味が示唆されていない限り、関係する技術分野におけるそれらの通常の意味に従って解釈されるべきである。あるエレメント、装置、コンポーネント、手段、ステップなどへの全ての言及は、別段の明示的な記述の無い限り、それらエレメント、装置、コンポーネント、手段、ステップなどの少なくとも１つの実例への言及としてオープンに解釈されるべきである。あるステップが他のステップに後続し若しくは先行するものとして明示的に説明されておらず、及び／又は、あるステップが他のステップに後続し若しくは先行しなければならないことが暗黙の了解でない限り、ここで開示されるいかなる方法のステップも、開示された厳密な順序で実行されなくてよい。ここで開示される任意の実施形態の任意の特徴が、適切であるならば、他の任意の実施形態へ適用されてよい。同様に、任意の実施形態の任意の利点が、他のどの実施形態にも当てはまり得るものであり、逆もまたしかりである。包含される実施形態の他の目的、特徴及び利点が以下の説明から明らかとなるであろう。

人工知能（ＡＩ）及び機械学習（ＭＬ）は、学術界及び産業界の双方で、ワイヤレス通信ネットワークにおけるエアインタフェースの設計を最適化するための将来性のあるツールであると見なされている。例示的なユースケースは、フィードバックオーバヘッドを削減しチャネル予測精度を改善するためのチャネル状態情報（ＣＳＩ）向けのオートエンコーダの使用、測位精度を向上させるための見通し線（ＬＯＳ）及び非見通し線（ＮＬＯＳ）条件の分類のためのディープニューラルネットワークの使用、シグナリングオーバヘッド及びビーム合わせのレイテンシを削減するためのネットワーク側及び／又はユーザ機器（ＵＥ）側でのビーム選択のための強化学習の使用、並びに、複雑な複数入力複数出力（ＭＩＭＯ）プリコーディング問題のための最適なプリコーディングポリシーを学習するためのディープ強化学習の使用を含む。

第３世代パートナーシッププロジェクト（３ＧＰＰ）新無線（ＮＲ）のリリース１８の標準化作業は、ＮＲエアインタフェースのためのＡＩ／ＭＬに関する研究項目を含む。その研究項目は、性能の向上及び／又は複雑さ／オーバヘッドの削減のためのＡＩ／ＭＬベースのアルゴリズムの改善されたサポートを可能にする機能群でエアインタフェースを補強することの利点を探求するであろう。選択される若干のユースケース（ＣＳＩフィードバック、ビーム管理、及び測位）の研究を通じて、その研究項目は、将来のエアインタフェースのユースケースについてＡＬ／ＭＬ技術を活用する土台を据えることを意図している。

エアインタフェースのユースケースに対してＡＩ／ＭＬを適用する場合、ネットワークノードとＵＥとの間の協働の様々なレベルが考えられ得る。あるユースケースは、ネットワークノードとＵＥとの間で協働がなされない。このケースでは、既存の標準的なエアインタフェースで動作する私有のＭＬモデルが通信チェーンの一端（例えば、ＵＥ側）に適用され、モデルのライフサイクル管理（例えば、モデル選択／トレーニング、モデル監視、モデル再トレーニング、モデル更新）はそのノードにおいてノード間の支援（例えば、ネットワークノードによる支援情報の提供）無しで行われる。

他のユースケースは、ネットワークノードとＵＥとの間で限定的な協働がなされる。このケースでは、通信チェーンの一端（例えば、ＵＥ側）においてＭＬモデルが動作しており、但し、そのノードは通信チェーンの他端にあるノード（例えば、次世代ノードＢ（ｇＮＢ））から、自身のＡＩモデルのライフサイクル管理のために（例えば、ＡＩモデルのトレーニング／再トレーニングやモデル更新のために）支援を受ける。

第３のユースケースは、ネットワークノードとＵＥとの間の結合的なＭＬ動作である。このケースでは、ＡＩモデルは、ネットワーク側に位置する一方の部分と、ＵＥ側に位置する他方の部分とに分割され得る。よって、ＡＩモデルは、ネットワークとＵＥとの間のジョイントトレーニングを含むことになり、通信チェーンの両端がＡＩモデルのライフサイクル管理に関与する。

ＡＩモデル又は何らかの機械学習モデルの構築はいくつもの開発ステップを含み、ＡＩモデルの実際のトレーニングはトレーニングパイプライン内の単なる１ステップである。ＡＩ開発における重要な部分は、ＭＬモデルのライフサイクル管理である。一例が図１に示されている。

図１は、トレーニング及び推論のパイプライン、並びにモデルライフサイクル管理手続でのそれらのインタラクションの様子である。モデルライフサイクル管理は、典型的には、トレーニング（再トレーニング）パイプライン、トレーニング済み（又は再トレーニング済み）ＡＩモデルを推論パイプラインの一部にするための配備段階、推論パイプライン、及び、モデル動作におけるドリフトについて通知するドリフト検出段階からなる。

トレーニング（再トレーニング）パイプラインは、データ摂取、データ事前処理、モデルトレーニング、モデル評価、及びモデル登録を含み得る。データ摂取とは、データストレージからの生の（トレーニング）データの収集をいう。データ摂取の後に、収集したデータの妥当性を制御するステップが存在してもよい。

データ事前処理とは、収集したデータに適用されるエンジニアリングの特徴をいい、例えば、ＡＩモデルへの入力データに要する、データの正規化及び恐らくはデータの変換を含み得る。

モデルトレーニングは、上で概説した通りの実際のモデルトレーニング段階をいう。

モデル評価は、モデルベースラインに対する性能のベンチマーキングをいう。モデルトレーニング及びモデル評価というステップの繰り返しが、（上で例示したような）受け入れ可能な性能のレベルが達成されるまで継続される。

モデル登録は、ＡＩモデルがどのように開発されたかに関する情報を提供する何らかの対応するＡＩメタデータを含めて、ＡＩモデルと、恐らくはＡＩモデル評価の性能の結果とを登録することをいう。

配備段階は、トレーニング済み（又は再トレーニング済み）のＡＩモデルを推論パイプラインの一部にする。

推論パイプラインは、データ摂取、データ事前処理、モデル動作、並びに、データ及びモデル監視を含み得る。データ摂取とは、データストレージからの生の（推論）データの収集をいう。

データ事前処理段階は、典型的には、トレーニングパイプラインにおいて現れる対応する処理と同一である。

モデル動作は、トレーニングされ配備されたモデルを動作モードで使用することをいう。

データ及びモデル監視とは、推論データがトレーニングデータと良好に一致する分布によるものであることを検証することに加え、性能上の又は動作上の何らかのドリフトを検出するためにモデル出力を監視することをいう。

ドリフト検出段階では、モデル動作におけるドリフトについて通知が行われる。

現在のところ、ある複数の課題が存在する。例えば、あるユースケースのカテゴリでは、ＭＬモデルがＵＥ側に配備され、モデル出力がＵＥからネットワークノードへ報告される。モデル出力に基づいて、ネットワークは、ネットワークとＵＥとの間の現行の及び後続のワイヤレス通信に影響を及ぼすアクションを行う。

ＵＥ側に配備されるＭＬモデルは、いくつかのシナリオに対しては一般化されるものではなく、よって、ＭＬモデルの出力（例えば、推定されたチャネル品質インジケータ（ＣＱＩ）値、１つ以上のサブバンドにおいて予測されたチャネル状態情報（ＣＳＩ）、時間及び／若しくは空間ドメインにおいて予測されたビーム測定結果、推定されたＵＥロケーションなど）が正確でないか、エラーインターバルが受け入れ可能なレベルよりも高いか、並びに／又は、精度（若しくは精度インターバル）が受け入れ可能でないというケースが生じ得る。ネットワークはＭＬモデル出力に基づいて送受信アクションを行うことから、不正確なモデル出力は、ネットワーク側で誤った決定がなされる結果をもたらしかねず、それによりワイヤレス通信の性能に悪影響を与える。

例えば、ＵＥにより報告される誤ったビーム測定予測に基づいて、ネットワークは、ＵＥにより検知可能なビームに対応しない（又は劣悪なカバレッジ性能を有する）ＵＥでの送信コンフィグレーション情報（ＴＣＩ）状態をアクティブ化（及び／又はビーム切り替えをトリガ）するかもしれない。誤った決定は、ビーム障害、無線リンク障害、劣悪なスループット、及び／又はその後のＣＳＩ測定の構成／アクティブ化に起因する多過ぎるシグナリングをもたらしかねない。

他のユースケースのカテゴリにおいて、ＭＬモデルは、ネットワーク側に位置する一方の部分と、ＵＥ側に位置する他方の部分とに二分される。ある例示的なユースケースは、オートエンコーダ（ＡＥ）ベースのＣＳＩフィードバック／報告であり、推定されたワイヤレスチャネルを圧縮するためにＵＥにてエンコーダが動作し、エンコーダからの出力（圧縮されたワイヤレスチャネル情報の推定結果）がＵＥからｇＮＢへ報告される。ｇＮＢは、デコーダを使用して、推定されたワイヤレスチャネル情報を再構築する。よって、このユースケースのカテゴリのためのＭＬモデルは、ネットワークとＵＥとの間の結合的な動作を要する。ＭＬモデルのＵＥ側に位置する部分が良好に機能していなければ、関連する機能性（例えば、ＣＳＩ報告）の全体的な性能に影響があるであろう。

ＭＬモデルの性能ドリフトが検出される場合、新たなデータ集合を始動させてＭＬモデルを保持することが可能であり得る。しかしながら、そうしたデータ集合及びモデルの保持には長い時間がかかりかねない。ＵＥの能力に依存して、オンラインでのモデル保持は、現実的ではないかもしれない。

ＭＬモデルがクリティカルな機能性のために使用される場合、当該ＭＬモデルが良好に動かない場合にその機能性のロバスト性及び復元（resilience）性能が影響を受けないことを保証することが重要である。そのクリティカルな機能性に関連付けられるアクティブなＭＬモデル（群）の性能上の課題が検出され又は予測される場合には、迅速なアクションがとられる必要がある。

上で言及したＭＬのユースケースのカテゴリについて、現行のＮＲ標準は、クリティカルな機能性のために動作するＭＬモデルが良好に動いていない場合にその機能性のロバスト性及びレジリエンスを保証／維持するための仕組みを有しない。

上述したように、ワイヤレスデバイスのための機械学習の予備的なモデルについて現在のところある課題が存在する。本開示のある観点及びそれらの実施形態は、これらの又は他の課題に対する解決策を提供し得る。

例えば、具体的な実施形態は、ある機能性について少なくとも１つの機械学習（ＭＬ）ベースの特徴を動作させることが可能であり、その機能性について少なくとも予備的な特徴をもサポートするユーザ機器（ＵＥ）を含む。当該ＵＥは、上記機能性についての少なくとも１つのＭＬベースの特徴と予備的な特徴との組合せをサポートする自身の能力（capability）をネットワークへ示す。

少なくとも１つのＭＬベースの特徴について性能の問題が検知されると、ＵＥは、その機能性について予備的な特徴への切り替えをネットワークにより指示されるか、又は、予備的な特徴へ自律的に切り替えを行って特徴の切り替えをネットワークへ示すかのいずれかをなし得る。

いくつかの実施形態によれば、ある機能性に関連付けられる少なくとも１つのＭＬベースの特徴と共に動作するＵＥにおける方法は、関連付けられる機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力を示すメッセージをネットワークノードへ送信すること、を含む。

具体的な実施形態において、上記少なくとも１つのＭＬベースの特徴は、上記ＵＥに位置する１つ以上のＭＬモデルに基づく。具体的な実施形態において、上記少なくとも１つのＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分は上記ＵＥに位置し、他方の部分は上記ネットワークノードに位置する。具体的な実施形態において、上記少なくとも１つのＭＬベースの特徴は、複数のＭＬモデルに基づいており、それらモデルの一部は上記ＵＥに位置し、それらモデルの残部は上記ネットワークに位置する。

具体的な実施形態において、上記予備的な特徴は、上記ＭＬベースの特徴と同等の機能性を充足できる特徴であり、但しＭＬによる上記代替手段と比較して選好されない。具体的な実施形態において、上記予備的な特徴は、上記ＭＬベースの特徴と同等以下の能力を有する特徴である。具体的な実施形態において、上記予備的な特徴は、上記ＭＬベースの特徴よりも高い能力を有する特徴であり、但し、当該予備的な特徴は他の理由に起因して選好されず、他の理由とは、より高い複雑さ、より長い処理遅延、より高い電力消費、時間／周波数リソースの過剰な消費などを含む。より高い能力の定義は、機能性に依存し、例えば、チャネル状態情報（ＣＳＩ）については、より高い能力はより正確な（サブバンド選択、ランクインジケータ（ＲＩ）、プリコーディング行列インジケータ（ＰＭＩ）、符号化変調方式（ＭＣＳ）を含む）ＣＳＩフィードバックを指してもよく、ビーム管理については、より高い能力は最良の候補ビームの指示におけるより高い精度を指してもよく、測位については、より高い能力はＵＥの位置のより正確な推定を指してもよい。

具体的な実施形態において、上記予備的な特徴は、古典的な非ＭＬベースのアルゴリズムに基づく。具体的な実施形態において、上記予備的な特徴は、ＭＬベースのアルゴリズムである。

具体的な実施形態において、上記メッセージは、上記少なくとも１つの予備的な特徴及び上記ＭＬベースの特徴が同時に実行され得るかを示す。関連付けられる機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力を示す上記メッセージは、上記機能性に関連付けられるＵＥ能力パラメータ（の一部）である。上記メッセージは、あるＭＬベースの特徴をサポートするＵＥが関連付けられる機能性について予備的な特徴をもサポートするものとされることを明示的に示してもよい。上記メッセージは、あるコードブックタイプがＭＬベースの特徴に関連付けられる形の複合的なコードブックの組合せについての少なくとも１つのエントリを指し示してもよい。上記メッセージは、周波数分割複信（ＦＤＤ）と時分割複信（ＴＤＤ）との間、ＦＲ１とＦＲ２との間、及び／又は異なる複数の帯域の間で、少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴の異なる組合せをサポートしてもよい。

具体的な実施形態において、関連付けられる機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力を示す上記メッセージは、無線リソース制御（ＲＲＣ）メッセージ、メディアアクセス制御（ＭＡＣ）制御エレメント（ＣＥ）、Ｍｓｇ１、ＭｓｇＡ、Ｍｓｇ３、Ｍｓｇ１とＭｓｇ３との組合せ、アップリンク制御情報（ＵＣＩ）、又はスケジューリング制御情報（ＳＣＩ）である。上記メッセージは、上記ＵＥが上記ＭＬベースの特徴に関連付けられる少なくとも１つのＭＬモデルをアクティブ化／スイッチオン／登録する際に送信されてもよい。

具体的な実施形態において、上記方法は、さらに、少なくともＭＬベースの特徴及び少なくとも予備的な特徴を上記関連付けられる機能性について同時に実行し／動作させるようにＵＥを構成する第１構成メッセージを、上記ＵＥが上記ネットワークノードから受信すること、を含む。

具体的な実施形態において、上記方法は、さらに、上記関連付けられる機能性について少なくとも１つのＭＬベースの特徴を非アクティブ化／停止／スイッチオフし及び関連付けられる予備的な特徴をアクティブ化／スイッチオンするようにＵＥを構成する第２構成メッセージを、上記ＵＥが上記ネットワークノードから受信すること、を含む。上記ネットワークは、上記関連付けられる機能性について少なくとも１つのＭＬベースの特徴の性能障害が検出／予測される場合に、上記第２構成メッセージを送信してもよい。上記方法は、さらに、上記ネットワークノードからの上記第２構成メッセージの受信に応じて、上記ＵＥが、当該第２構成メッセージに収容されている情報に従って、上記ＭＬベースの特徴を非アクティブ化／停止し、及び上記予備的な特徴をアクティブ化／スイッチオンすること、を含む。

具体的な実施形態において、上記方法は、さらに、上記ＵＥが上記１つ以上のＭＬベースの特徴のＭＬモデル性能を監視すること、を含む。ＵＥは、上記関連付けられる機能性についての少なくとも１つのＭＬベースの特徴の性能障害を検出し又は予測し、少なくとも上記検出されたＭＬベースの特徴を自律的に非アクティブ化／停止し、少なくとも上記関連付けられる予備的な特徴をアクティブ化／スイッチオンする。上記方法は、さらに、上記ＵＥが上記ネットワークノードに対し上記特徴の切り替え情報（例えば、非アクティブ化／停止／スイッチオフされたＭＬベースの特徴）について指し示すこと、を含む。

具体的な実施形態において、上記関連付けられる機能性について上記ＵＥによりサポートされる予備的な特徴が複数存在する場合、上記ＵＥが機能の切り替えを行うための順序／シーケンス（例えば、まず予備的な特徴１へ切り替え、障害があれば、次いで予備的な特徴２へ切り替えるなど）が、ネットワークノードにより予め構成され又は標準規格において予め定義される。

具体的な実施形態において、機能性の例は、ＣＳＩレポーティング、時間ドメインビーム予測又はビーム選択、空間ドメインビーム予測又はビーム選択、ビーム障害予測、無線リンク障害予測、モビリティ管理（例えば、ハンドオーバ決定）、ロケーション推定、リンク適応（例えば、ＭＣＳ選択）を含む。

具体的な実施形態において、上記機能性はＣＳＩレポーティングであり、上記少なくとも１つのＭＬベースの特徴はＭＬベースのＣＳＩ報告であり、上記少なくとも１つの予備的な特徴はレガシーのＣＳＩレポーティングタイプ（例えば、タイプ２のコードブックベースのＣＳＩレポーティング、ｅタイプ２のコードブックベースのＣＳＩレポーティング、又はタイプ１のシングルパネルベースのＣＳＩレポーティング）である。

いくつかの実施形態によれば、ネットワークノードにおける方法は、ある機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートするＵＥの能力を示すメッセージを上記ＵＥから受信すること、を含む。

具体的な実施形態において、上記方法は、さらに、上記ＵＥの能力情報の受信に応じて、少なくともＭＬベースの特徴及び少なくとも予備的な特徴を上記関連付けられる機能性について同時に実行し／動作させるように上記ＵＥに命令する第１構成メッセージを、上記ネットワークノードが送信すること、を含む。

具体的な実施形態において、上記メッセージは、さらに、上記関連付けられる機能性について少なくとも１つのＭＬベースの特徴の性能障害の検出／予測に応じて、性能上の課題を有する（かもしれない）少なくとも検出／予測された上記ＭＬベースの特徴を非アクティブ化／停止／スイッチオフし及び上記関連付けられる予備的な特徴をアクティブ化／スイッチオンするように上記ＵＥに命令する第２構成メッセージを送信すること、を含む。

具体的な実施形態において、上記方法は、さらに、上記ＵＥが上記関連付けられる機能性について上記特徴の切り替え情報（例えば、非アクティブ化／停止／スイッチオフされたＭＬベースの特徴及びアクティブ化／スイッチオンされた予備的な特徴）について上記ＵＥからインジケーションを受信すること、を含む。

具体的な実施形態において、上記方法は、さらに、ネットワークノードが、例えば、上記ＭＬベースの特徴が一方の部分が上記ＵＥに位置し他方の部分が上記ネットワークに位置するという形で２つの部分に分割されるＭＬモデルに基づくケース、又は、上記ＭＬベースの特徴がモデルの一部が上記ＵＥに位置しモデルの残部が上記ネットワークに位置するという形で複数のＭＬモデルに基づくケースについて、少なくとも非アクティブ化される上記ＭＬベースの特徴について、上記ネットワーク側の上記関連付けられるＭＬモデルを非アクティブ化／停止／スイッチオフすること、を含む。

具体的な実施形態において、上記方法は、さらに、上記ネットワークノードが、それに応じて、上記ＵＥ向けに、調整後の構成及び／又はスケジューリングメッセージを送信すること、を含む。調整後の上記構成及び／又はスケジューリングメッセージによる調整は、ＵＥの測定のための更新されたリファレンス信号リソース構成、及び／又は、上記ＵＥが上記予備的な特徴を用いてＣＳＩを報告するための更新されたＣＳＩレポーティング構成を含んでもよい。

いくつかの実施形態によれば、ある方法が、ＭＬモデルのフォールバック動作のためにワイヤレスデバイスにより実行される。上記方法は、機能性についての少なくとも１つのＭＬベースの特徴と上記機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての上記ワイヤレスデバイスの能力を示すメッセージをネットワークノードへ送信することと、上記機能性についての上記少なくとも１つのＭＬベースの特徴を動作させることと、上記機能性についての上記少なくとも１つの予備的な特徴を動作させることと、を含む。

具体的な実施形態において、上記少なくとも１つのＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分は上記ワイヤレスデバイスに位置し、他方の部分は上記ネットワークノードに位置する。

具体的な実施形態において、上記少なくとも１つの予備的な特徴は、上記ＭＬベースの特徴と同等の機能性を充足する特徴であり、但し上記ＭＬベースの特徴と比較して選好されない。上記少なくとも１つの予備的な特徴は、上記ＭＬベースの特徴よりも高度な能力を有する特徴であってもよく、但し上記予備的な特徴は選好されない。上記少なくとも１つの予備的な特徴は、非ＭＬベースのアルゴリズムに基づくものであってもよく、又は、他のＭＬベースのアルゴリズム（例えば、より汎用的なＭＬベースのアルゴリズム）であってもよい。

具体的な実施形態において、上記メッセージは、上記少なくとも１つの予備的な特徴及び上記少なくとも１つのＭＬベースの特徴が（例えば、それら２つの間の性能の比較のために）同時に実行され得るかを示す。

具体的な実施形態において、上記方法は、さらに、上記少なくとも１つのＭＬベースの特徴を動作させるように上記ワイヤレスデバイスを構成する第１構成メッセージを受信すること、を含む。

具体的な実施形態において、上記方法は、さらに、上記少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴を同時に動作させるように上記ワイヤレスデバイスを構成する第１構成メッセージを受信すること、を含む。

具体的な実施形態において、上記方法は、さらに、上記少なくとも１つのＭＬベースの特徴を非アクティブ化し及び上記少なくとも１つの予備的な特徴をアクティブ化するように上記ワイヤレスデバイスを構成する第２構成メッセージを受信すること、を含む。

具体的な実施形態において、上記方法は、さらに、上記少なくとも１つのＭＬベースの特徴を非アクティブ化し及び上記少なくとも１つの予備的な特徴をアクティブ化すべきであると自律的に判定すること、を含む。

いくつかの実施形態によれば、ワイヤレスデバイスは、上述したワイヤレスデバイスの方法のいずれかを実行するように動作可能な処理回路を備える。

また、コンピュータ読取可能なプログラムコードを記憶する非一時的なコンピュータ読取可能な媒体を含むコンピュータプログラムプロダクトも開示され、上記コンピュータ読取可能なプログラムコードは、処理回路により実行された場合に、上述したワイヤレスデバイスにより実行される上記方法のいずれかを行うように動作可能である。

いくつかの実施形態によれば、ある方法が、ＭＬモデルのフォールバック動作のためにワイヤレスデバイスを構成するために、ネットワークノードにより実行される。上記方法は、ワイヤレスデバイスから、機能性についての少なくとも１つのＭＬベースの特徴と上記機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての上記ワイヤレスデバイスの能力を示すメッセージを受信することと、上記少なくとも１つの予備的な特徴をアクティブ化すべきであると判定することと、上記少なくとも１つのＭＬベースの特徴を非アクティブ化し及び上記少なくとも１つの予備的な特徴をアクティブ化するように上記ワイヤレスデバイスを構成する構成メッセージを上記ワイヤレスデバイスへ送信することと、を含む。

具体的な実施形態において、上記少なくとも１つのＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分は上記ワイヤレスデバイスに位置し、他方の部分は上記ネットワークノードに位置する。

具体的な実施形態において、上記メッセージは、上記少なくとも１つの予備的な特徴及び上記少なくとも１つのＭＬベースの特徴が同時に実行され得るかを示す。

具体的な実施形態において、上記方法は、さらに、上記少なくとも１つのＭＬベースの特徴を動作させるように上記ワイヤレスデバイスを構成する構成メッセージを上記ワイヤレスデバイスへ送信すること、を含む。

具体的な実施形態において、上記方法は、さらに、上記少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴を同時に動作させるように上記ワイヤレスデバイスを構成する構成メッセージを送信すること、を含む。

他のコンピュータプログラムプロダクトは、コンピュータ読取可能なプログラムコードを記憶する非一時的なコンピュータ読取可能な媒体を含み、上記コンピュータ読取可能なプログラムコードは、処理回路により実行された場合に、上述したネットワークノードにより実行される上記方法のいずれかを行うように動作可能である。

ある実施形態は、次の技術的利点のうちの１つ以上を提供し得る。例えば、具体的な実施形態は、あるクリティカルな機能性についてＭＬベースの特徴をサポートするＵＥが当該機能性について予備的な特徴をもサポートするものとされることを保証する。そうしたＵＥの能力情報をネットワークノードと共有することにより、ＵＥ（及びネットワークノード）は、ＭＬベースの特徴について性能問題が検出／予測される場合に、予備的な特徴への切り替えを行い得る。よって、具体的な実施形態は、クリティカルな機能性のために動作するＭＬモデルが良好に動いていない場合にその機能性のロバスト性及びレジリエンスを保証／維持する。

開示される実施形態並びにそれらの特徴及び利点のより充分な理解のために、これより、次の添付図面と併せて以下の説明への参照がなされる：
トレーニング及び推論のパイプライン、並びにモデルライフサイクル管理手続でのそれらのインタラクションの様子である。 ネットワークノードにより支援されるＭＬベースの特徴のフォールバックの一例を示すフローチャートである。 ＵＥによる自律的なＭＬベースの特徴のフォールバック及びそのアクションのネットワークノードへの報告の一例を示すフローチャートである。 ある実施形態に係る例示的な通信システムを示している。 ある実施形態に係る例示的なＵＥを示している。 ある実施形態に係る例示的なネットワークノードを示している。 ある実施形態に係るホストのブロック図を示している。 ある実施形態に係る、いくつかの実施形態により実装される機能群が仮想化され得る仮想化環境を示している。 ある実施形態に係る部分的にワイヤレスな接続上でＵＥとネットワークノードを介して通信するホストを示している。 ある実施形態に係る、ワイヤレスデバイスにより実行される方法を示している。 ある実施形態に係る、ネットワークノードにより実行される方法を示している。

上述したように、ワイヤレスデバイスのための機械学習の予備的なモデルについて現在のところある課題が存在する。本開示のある観点及びそれらの実施形態は、これらの又は他の課題に対する解決策を提供し得る。

例えば、具体的な実施形態は、ある機能性について少なくとも１つの機械学習（ＭＬ）ベースの特徴を動作させることが可能であり、その機能性について少なくとも予備的な特徴をもサポートするユーザ機器（ＵＥ）を含む。当該ＵＥは、上記機能性についての少なくとも１つのＭＬベースの特徴と予備的な特徴との組合せをサポートする自身の能力（capability）をネットワークへ示す。

添付図面を参照しながら具体的な実施形態をより十分に説明する。しかしながら、ここで開示される主題のスコープの範囲内に他の実施形態も含まれるものであり、開示される主題は、ここで説示される実施形態のみに限定されるものとして解釈されるべきではなく、むしろ、それら実施形態は当業者へその主題のスコープを伝えるための例として提供される。

ここで使用されるところによれば、"ＭＬモデル"、"ＡＩベースの特徴"及び"ＭＬベースの特徴"との用語は、互換可能である。ＡＩ／ＭＬモデルは、第１ノード内に配備／実装される機能性又は機能性の一部として定義されてもよい。第１ノードは、例えば、予測エラーが予め定義される値よりも高く、エラーインターバルが受け入れ可能なレベル内になく、又は、予測精度が予め定義される値よりも低いなど、その機能性が正確に動いていないことを示すメッセージを第２ノードから受信してもよい。

さらに、ＡＩ／ＭＬモデルは、第１ノード内で実装／サポートされる機能性又は機能性の一部として定義されてもよい。第１ノードは、その機能のバージョンを第２ノードへ指し示してもよい。上記ＭＬモデルが更新される場合、上記機能のバージョンが第１ノードにより変更されてもよい。

ＭＬモデルは、１つ以上の入力（例えば、測定結果）を受け付け、ある種類の１つ以上の予測／推定結果を出力として提供する機能に相当し得る。ある例において、ＭＬモデルは、時刻ｔ０において（例えば、ビームＸにおいて送信される）リファレンス信号の測定結果を入力として受け付け、タイマｔ０＋Ｔにおけるリファレンス信号の予測を出力として提供する機能に相当し得る。他の例において、ＭＬモデルは、インデックス'ｘ'を伴う同期信号ブロック（ＳＳＢ）などの（例えば、ビームＸにおいて送信される）リファレンス信号Ｘの測定結果を入力として受け付け、インデックス'ｘ'を伴うＳＳＢなどの（例えば、ビームＸにおいて送信される）例えばリファレンス信号Ｙといった異なるビームにおいて送信される他のリファレンス信号の予測を出力として提供する機能に相当し得る。

他の例は、チャネル状態情報（ＣＳＩ）の推定を支援するＭＬモデルである。そうしたセットアップにおいて、ＭＬモデルは、ＵＥにおける固有のＭＬモデル及びネットワーク側のＭＬモデルである。双方のＭＬモデルが連携して、結合的なネットワーク機能性を提供する。ＵＥにおけるＭＬモデルの機能は、チャネル入力を圧縮することであり、ネットワーク側のＭＬモデルの機能は、ＵＥから受信される出力を伸長することである。

さらに、ＭＬモデルを測位に適用することが可能であり、その場合、入力は、時間的なある基準点（典型的には、送信点（ＴＰ））に関連するチャネルインパルスであり得る。ネットワーク側の目的は、ＵＥ側に到達する無線信号により経験されるマルチパスを反映するインパルス応答内の異なる複数のピークを検出することである。他の測位方法は、ＭＬネットワークへ測定結果の複数のセットを入力し、それに基づいてＵＥの推定位置を導出することである。

他のＭＬモデルは、ＵＥにおけるチャネル推定又はチャネル推定のための干渉推定を支援するＭＬモデルである。チャネル推定は、例えば、物理ダウンリンク共有チャネル（ＰＤＳＣＨ）についてのものであってよく、ネットワークからＵＥへ送信されるリファレンス信号パターンの固有のセットに関連付けられ得る。ＭＬモデルは、ＵＥ内の受信機チェーンの一部であり、ネットワークとＵＥとの間で使用されるように構成／スケジューリングされるリファレンス信号パターン内では直接的には見えないかもしれない。ＣＳＩ推定のためのＭＬモデルの他の例は、適切なＣＱＩ、ＰＭＩ、ＲＩ、ＣＲＩ（ＣＳＩ－ＲＳリソースインジケータ）又は類似の値を将来へ向けて予測するものである。将来とは、ＵＥが最後の測定を行ってからある数のスロットの後であってもよく、将来の時点の特定のスロットを対象としていてもよい。

ネットワークノードは、上記機能性のうちの少なくともいくつかの動作を扱う基地局内の汎用ネットワークノード（ｇＮＢ）基地局ユニット、リレーノード、コアネットワークノード、上記機能性のうちの少なくともいくつかの動作を扱うコアネットワークノード、デバイスツーデバイス（Ｄ２Ｄ）通信をサポートするデバイス、ロケーション管理機能（ＬＭＦ）、又は他のタイプのロケーションサーバのうちの１つであってよい。

ここで説明されるユースケースにおいて、ＭＬベースの特徴は、少なくとも部分的にＵＥにある。ある種類のユースケースにおいて、ＭＬベースの特徴は、ＵＥ側に配備される複数のＭＬモデルに基づいていてもよい（例えば、ＲＸビーム予測のために、ＭＬモデルがＵＥ側に位置する）。他の種類のユースケースにおいて、ＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分はＵＥに位置し、他方の部分はネットワークノードに位置する（例えば、ＡＥベースのＣＳＩフィードバック／報告）。また別の種類のユースケースでは、ＭＬベースの特徴は、複数のＭＬモデルに基づいており、それらモデルの一部はＵＥに位置し、それらモデルの残部はネットワークに位置する（例えば、ネットワークノードとＵＥとの間のＭＬベースのビームペア予測では、そのＴＸビーム予測のためにネットワークノードにＭＬモデルが位置し、そのＲＸビーム予測のためにＵＥに他のＭＬモデルが位置する）。

ＭＬモデルの性能ドリフトが検出される場合、１つの選択肢は、新たなデータ集合を始動させてＭＬモデルを保持することである。しかしながら、そうしたデータ集合及びモデルの保持には長い時間がかかりかねない。ＵＥの能力に依存して、オンラインでのモデル保持は、現実的ではないかもしれない。

ＭＬモデルがクリティカルな機能性のために使用される場合、当該ＭＬモデルが良好に動かない場合にその機能性のロバスト性及び復元性能が影響を受けないであろうことを保証することが重要である。そのクリティカルな機能性に関連付けられるアクティブなＭＬモデルの性能上の課題が検出され又は予測される場合には、迅速なアクションがとられる必要がある。

ここで説明される具体的な実施形態は、クリティカルな機能性のための少なくとも１つのＭＬベースの特徴と共に動作するＵＥが、そのクリティカルな機能性に関連付けられるアクティブなＭＬモデルの性能上の課題が検出され又は予測される場合に当該機能性のために予備的な特徴へ迅速に切り替えを行うことを可能にする。

予備的な特徴とは、ＭＬベースの特徴と同等以下の能力を有する特徴であってよい。予備的な特徴は、古典的な非ＭＬベースのアルゴリズムに基づいていてもよい。例えば、ＡＥベースのＣＳＩフィードバック／報告のユースケースを検討すると、上記機能性はＣＳＩフィードバック／報告であり、この機能性についての１つのＭＬベースの特徴はＡＥベースのＣＳＩフィードバック／報告（デュアルサイドＭＬアルゴリズム）であってよく、１つの予備的な特徴はレガシーのＣＳＩレポーティングタイプ（例えば、タイプ２のコードブックベースのＣＳＩレポーティング、ｅタイプ２のコードブックベースのＣＳＩレポーティング、又はタイプ１のシングルパネルベースのＣＳＩレポーティング）であってよい。

いくつかの実施形態において、予備的な特徴は、ＭＬベースの特徴よりも高い能力を有していてもよく、但し、当該予備的な特徴は他の理由に起因して選好されず、他の理由とは、より高い複雑さ、より長い処理遅延、より高い電力消費、時間／周波数リソースの過剰な消費などを含む。概して、予備的な特徴は、ＭＬベースの特徴と同等の機能性を充足し、但しＭＬによる代替手段と比較して選好されない。

何がより高い能力と見なされるかは、機能に依存し得る。例えば、ＣＳＩについて、より高い能力とは、より正確な（サブバンド選択、ＲＩ、ＰＭＩ、ＭＣＳを含む）ＣＳＩフィードバックへの言及であってもよい。ビーム管理について、より高い能力とは、最良の候補ビームの識別におけるより高い精度への言及であってもよい。測位について、より高い能力とは、ＵＥの位置のより正確な推定への言及であってもよい。

具体的な例は予備的な特徴が古典的な非ＭＬベースのアルゴリズムである実施形態に焦点を当てているものの、いくつかの実施形態において、予備的な特徴もまたＭＬベースのものであってもよい。

ある例において、ＵＥは、少なくとも２つのＭＬモデルをサポートすることが可能であり、第１のＭＬモデルは、広範な配備（例えば、屋内及び屋外、密度の高い都会及び田舎、高モビリティ及び低モビリティ）において使用することのできる一般化されたモデルであり、第２のＭＬモデルは、特定の配備（例えば、屋内の工場）について性能が最良となるようトレーニングされる特殊なモデルである。このケースでは、トレーニングされた環境にＵＥが配備される場合、第１のＭＬモデルが予備的な特徴として使用され得る一方で、第２のモデルが選好される特徴としてアクティブ化される。概して、あるＭＬモデルは、より基本的なものであって、予備的な特徴として使用され得る一方で、他のＭＬモデルは、より洗練されていて、例えば監視期間中に過剰なエラーが検出されるなど不適切であると考えられない限りは、選好されるモデルとして使用され得る。

他の例において、上記少なくとも２つのＭＬモデルは、同一の機能性のための異なるバージョン又はモデル／アルゴリズムであってもよく、一方が他方よりも一般化される場合からは独立してこれを考慮する。それら２つのＭＬモデルは、そのケースでは、モデルＩＤ又はモデルバージョンによって識別される。それらは、例えば、共にＣＳＩ報告をサポートするが、報告の解像度又は細部がやはり相違するかもしれない。２つのＭＬモデルが特徴のサブセット又は他方よりも低い解像度をサポートするだけのものとして、類似の側面が一般化されてもよい。

他の例においてＵＥは、少なくとも２つのＭＬモデルをサポートすることが可能であり、それら少なくとも２つのＭＬモデルは、異なる入力及び／又は異なる出力を使用する。いくつかの実施形態において、第１のＭＬモデルは、アルゴリズムの入出力の観点において古典的な非ＭＬベースのアルゴリズムと等価であり、即ち、第１のＭＬモデルは、シグナリング、コンフィグレーション、測定、報告などの観点でインタフェースの変更を何ら要求しない。よって、古典的なアルゴリズムか又は第１のＭＬモデルかで均等に機能性の"ブラックボックス"を実現することができ、ＵＥは、当該ＵＥが実行しているのが古典的なアルゴリズムか又は第１のＭＬモデルかをネットワークノードへ通知しなくてよい（かつネットワークノードはそれを認識しなくてよい）。この第１のＭＬモデルを、予備的な特徴として使用することができる。第２のＭＬモデルは、ネットワークノードとＵＥとの間でより高度なアルゴリズムを充足するために明示的な協調を要し、明示的な協調は、古典的なアルゴリズムと比較してＵｕインタフェースの変更に反映され、ＲＳの異なるコンフィグレーション、異なる測定モード、ＵＥからの異なる報告などを含む。

いくつかの実施形態は、ＵＥ能力インジケーション（UE Capability Indication）を含む。クリティカルな機能性についてあるＭＬベースの特徴から予備的な特徴へのＵＥによる切り替えをサポートするために、ＵＥは、当該機能性についてＭＬベースの特徴及び予備的な特徴の組合せをサポートすることが可能である。

いくつかの実施形態において、ある機能性について少なくとも１つのＭＬベースの特徴を動作させることが可能なＵＥは、その機能性について少なくとも予備的な特徴をもサポートすることを要する。

その要件が、仕様上のＵＥ能力パラメータの一部として明示的に定義されてもよい。例えば、仕様上のＵＥ能力パラメータにおいて、ＭＬベースの特徴ＸをサポートするＵＥが関連付けられる機能性について予備的な特徴Ｙをもサポートするものとされることを明示的に記述することができる。ＵＥは、以下に説明する様々な手法で、この能力情報をネットワークノードへ指し示すことができる。

いくつかの実施形態において、ＵＥは、そのＵＥの能力の報告において、関連付けられる機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力を指し示す。

いくつかの実施形態において、ある機能性に関連付けられる少なくとも１つのＭＬベースの特徴を動作させることの可能なＵＥは、関連付けられる機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力を示すメッセージをネットワークノードへ送信する。

いくつかの実施形態において、関連付けられる機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力を示す上記メッセージは、上記機能性に関連付けられるＵＥ能力パラメータ（の一部）である。

いくつかの実施形態において、上記メッセージは、あるＭＬベースの特徴をサポートするＵＥが関連付けられる機能性について予備的な特徴をもサポートするものとされることを明示的に示す。

いくつかの実施形態において、ＵＥは、そのＵＥの能力の報告における少なくとも１つのＭＬベースの特徴の組合せをサポートする自身の能力と、関連付けられる機能性についての少なくとも１つの予備的な特徴であって、能力として明示的には宣言されていない特徴についてのサポートを有することとを指し示す。ネットワークは、多くのＵＥについて、それらの能力に関わらず、予備的な機能を要求することができる。例えば、ＵＥは、ＭＬベースの復調リファレンス信号（ＤＭＲＳ）チャネル推定についての能力を宣言し得る。これは、異なる複数のＤＭＲＳパターン又は特定のＤＭＲＳパターンについての異なる複数の受信機要件をサポートするという形式であってもよい。また、全てのＵＥは、旧来の非ＭＬチャネル推定をも実装してもよく、その使用がネットワークにより必須とされてもよい。

例えば、コードブックベースのＣＳＩフィードバック／報告の機能性について、ＵＥ能力パラメータcodebookComboParametersAddition-r16がＮＲのリリース１６の３ＧＰＰ ＴＳ ３８．３０６ ｖ１７．０．０に取り入れられており、以下の表に示したように、これがＵＥが複合的なコードブックの組合せをサポートすることを示す。

ＣＳＩフィードバック／報告のユースケースについて、ＭＬベースの特徴（例えば、ＭＬベースのＣＳＩフィードバック／報告）及び少なくとも１つの予備的な特徴（例えば、タイプ１シングルパネル）の組合せをサポートするというＵＥの能力を指し示すメッセージは、同様のＵＥ能力パラメータ、例えば新たなエントリ｛Type 1 Single Panel, Type 3｝を伴うcodebookComboParametersAddition-r18によって定義されてもよく、ここでType 3はＭＬベースのＣＳＩフィードバックの機能を意味する。より高度なＵＥについて、２つよりも多くのコードブックタイプの組合せを表す新たなエントリが追加されてもよく、例えば｛Type 1 Single Panel, Type 2, Type 3｝である。

いくつかの実施形態において、ＣＳＩレポーティングの機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートするＵＥの能力を示す上記メッセージは、ＵＥ能力パラメータ（の一部）である。ＵＥ能力パラメータは、あるコードブックタイプがＭＬベースの特徴に関連付けられる形の複合的なコードブックの組合せについての少なくとも１つのエントリを含む。

いくつかの実施形態において、上記メッセージは、ＦＤＤ及びＴＤＤの間、並びに／又は、ＦＲ１及びＦＲ２（若しくは他の複数のスペクトルレンジ）、複数の特徴セット、及び／若しくは異なる複数の帯域の間で、少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴の異なる組合せをサポートしてもよい。

いくつかの実施形態において、ＵＥは、あるＭＬベースの特徴について少なくとも１つのＭＬモデルをアクティブ化／スイッチオン／登録する場合、そのＭＬベースの特徴に関する情報（例えば、ＭＬモデルＩＤ）をネットワークノードへ送信し、加えて、そのＭＬベースの特徴に関連付けられる予備的な特徴をも送信し得る。

ＭＬベースの特徴の情報を収容するメッセージ及び当該ＭＬベースの特徴について関連付けられる予備的な特徴を収容するメッセージは、同一のメッセージであっても異なるメッセージであってもよい。

ＵＥは、ＭＬモデルをアクティブ化／スイッチオン／登録してもよく、例えばランダムアクセス手続を開始し又はＲＲＣメッセージ若しくはＭＡＣ ＣＥメッセージを送信することにより、そうしたアクションについてネットワークノードへ指示を行う。情報のペイロードサイズが小さい場合、上記指示は、アップリンク制御情報（ＵＣＩ）の送信を用いて行われてもよく（例えば、そうしたアクションをＵＣＩの一部としてエンコードし、それをＵＥがｇＮＢへ送信する）、又は、サイドリンク制御情報（ＳＣＩ）の送信を用いて行われてもよい（例えば、そうしたアクションをＳＣＩの一部としてエンコードし、それをＵＥが他のＵＥへ送信する）。

いくつかの実施形態において、上記メッセージは、ＵＥがＭＬベースの特徴に関連付けられる少なくとも１つのＭＬモデルをアクティブ化／スイッチオン／登録する際に送信される。

いくつかの実施形態において、関連付けられる機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力を示す上記メッセージは、ＲＲＣメッセージ、ＭＡＣ ＣＥ Ｍｓｇ１、ＭｓｇＡ、Ｍｓｇ３、Ｍｓｇ１とＭｓｇ３との組合せ、ＵＣＩ、又はＳＣＩである。

いくつかの実施形態において、同じ機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートする自身の能力のＵＥインジケーションは、それらＭＬ及び予備的な特徴が同時に実行され得るというインジケーションを含む。代替的に、ＵＥは、それらが同時ではなく１つずつ実行され得ることを指し示してもよい。

いくつかの実施形態は、ネットワークノードにより支援されるＭＬベースの特徴のフォールバックを含む。例えば、ＵＥは、ＭＬベースの特徴のフォールバック／切り替えを行うようにネットワークにより命令され得る。

いくつかの実施形態において、ＵＥが同時の実行の能力を報告する場合、ＵＥの能力情報の受信に応じて、ネットワークノードは、ＭＬベースの特徴及びその関連付けられる予備的な特徴を同時に実行し／動作させるように当該ＵＥに命令する第１構成メッセージを送信してもよい。双方の特徴（ＭＬベースの特徴及び予備的な特徴）の出力が、ネットワークノードにより、瞬間的な若しくは短期の比較を用いたＭＬベースの特徴の性能の監視又は予測を行うために使用されてもよい。

上記モデル及び予備的な出力に係る同時のフィードバックをネットワークノードへ提供するために、ＵＥは、特別なレポーティングモード及び予約されたレポーティングリソースと共に構成されてもよく、例えば、何らかの関係するレポーティング手続が、ＭＬモデルの特徴及び予備的な特徴向けに１回として、２回繰り返される。代替的に、ＭＬベースの及び予備ベースの出力が所定のパターン、例えば交互のパターンに従って、ネットワークへシグナリングされるように、上記レポーティングが構成されてもよい。予備的な動作の並列的な実行は、例えば合計動作時間のうちの５％など、低デューティサイクルで起動されてもよく、その間に時間の大部分でＭＬの特徴が単独で起動され得る。

いくつかの実施形態において、ＵＥが同時の実行の能力の欠如を指し示した場合、ＵＥは、例えばＭＬ及び予備的な特徴を交互に用いて動作するように構成されてもよく、性能の監視が２つの動作モードの長期間の比較により行われてもよい。ＭＬベースの及び予備的なアクティビティの時間長は、性能の問題が検出されなければ時間の大部分でＭＬモードで動作する形で、非対称／不均等であってもよい。いくつかの実施形態において、ネットワークノードは、例えば典型的なＴＰの検出、ＳＩＮＲ、サービングビームの選択などのハイレベルのＫＰＩ（key performance indicators）のリファレンス性能との比較に基づいて、ＭＬの特徴の性能監視を行ってもよい。

関連付けられる機能性について少なくとも１つのＭＬベースの特徴の性能障害の検出／予測に応じて、ネットワークノードは、当該関連付けられる機能性についてＭＬベースの特徴を非アクティブ化／停止／スイッチオフし及び予備的な特徴をアクティブ化／スイッチオンするようにＵＥへ命令する第２構成メッセージを送信する。

図２は、ネットワークノードにより支援されるＭＬベースの特徴のフォールバックの一例を示すフローチャートである。具体的な実施形態は、以下のステップ群の少なくとも一部を含み得る。いくつかのステップの順序は入れ替えられてもよく、いくつかのステップはオプションであり得る。

ステップ１：ＵＥ（例えば、図４に関して以下でより詳細に説明されるＵＥ２００）は、ある機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートするＵＥの能力を示すメッセージをネットワークノード（例えば、図４に関して以下でより詳細に説明されるネットワークノード３００）へ送信する。ネットワークノードは、ある機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートするＵＥの能力を示すメッセージを上記ＵＥから受信する。

ステップ２［オプション］：ＵＥの能力情報の受信に応じて、ネットワークノードは、少なくともＭＬベースの特徴及びその関連付けられる予備的な特徴を上記関連付けられる機能性について同時に実行し／動作させるように上記ＵＥに命令する第１構成メッセージを送信する。上記メッセージの受信に応じて、ＵＥは、構成されるＭＬベースの特徴及び予備的な特徴を上記関連付けられる機能性について同時に実行し／動作させる。

ステップ３［オプション］：ネットワークノードは、ＭＬベースの特徴及び予備的な特徴の出力を使用して、ＭＬベースの特徴の性能の監視又は予測を行う。

ステップ４：ネットワークノードは、上記関連付けられる機能性について少なくとも１つのＭＬベースの特徴の性能障害を検出し又は予測する。

ステップ５：ネットワークノードは、性能上の課題を有するＭＬベースの特徴を非アクティブ化／停止／スイッチオフし及び関連付けられる予備的な特徴をアクティブ化／スイッチオンするようにＵＥに命令する第２構成メッセージを送信する。第２メッセージに応じて、ＵＥは、性能上の課題を有する指示されたＭＬベースの特徴を非アクティブ化／停止／スイッチオフし、関連付けられる予備的な特徴をアクティブ化／スイッチオンする。

ステップ５［オプション］：ネットワークノードは、例えば、ＭＬベースの特徴が一方の部分がＵＥに位置し他方の部分がネットワークに位置するという形で２つの部分に分割されるＭＬモデルに基づくケース、又は、ＭＬベースの特徴がモデルの一部がＵＥに位置しモデルの残部がネットワークに位置するという形で複数のＭＬモデルに基づくケースについて、少なくとも非アクティブ化されるＭＬベースの特徴について、ネットワーク側の関連付けられるＭＬモデルを非アクティブ化／停止／スイッチオフする。

ステップ６［オプション］：ネットワークノードは、ＵＥ向けに、調整後の構成及び／又はスケジューリングメッセージを送信する。例えば、調整後の上記構成及び／又はスケジューリングメッセージは、ＵＥの測定のための更新されたリファレンス信号リソース構成、及び／又は、ＵＥが予備的な特徴を用いてＣＳＩを報告するための更新されたＣＳＩレポーティング構成を含んでもよい。

いくつかの実施形態は、ＵＥによる自律的なＭＬベースの特徴のフォールバックを含み、ＵＥはそのアクションをネットワークノードへ報告する。より高度なＵＥを伴ういくつかのユースケースについて、ＵＥは、１つ以上のＭＬベースの特徴のＭＬモデル性能を監視し、ＭＬベースの特徴の課題を自ら検出／予測し得る。いくつかの実施形態は、ＵＥは、ＭＬベースの特徴のフォールバック／切り替えを自律的に実行し、その情報をネットワークノードへ指し示す。

図３は、ＵＥによる自律的なＭＬベースの特徴のフォールバック及びそのアクションのネットワークノードへの報告の一例を示すフローチャートである。具体的な実施形態は、以下のステップ群の少なくとも一部を含み得る。いくつかのステップの順序は入れ替えられてもよく、いくつかのステップはオプションであり得る。

ステップ１：ＵＥ（例えば、図４に関して以下でより詳細に説明されるＵＥ２００）は、ある機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートするＵＥの能力を示すメッセージをネットワークノード（例えば、図４に関して以下でより詳細に説明されるネットワークノード３００）へ送信する。ネットワークノードは、ある機能性についての少なくとも１つのＭＬベースの特徴と少なくとも１つの予備的な特徴との組合せをサポートするＵＥの能力を示すメッセージをＵＥから受信する。

ステップ２：ネットワークは、少なくとも１つのＭＬベースの特徴を構成する。

ステップ３：ＵＥは、１つ以上のＭＬベースの特徴のＭＬモデル性能を監視する。

ステップ４：ＵＥは、関連付けられる機能性について少なくとも１つのＭＬベースの特徴の性能障害を検出し又は予測する。ネットワーク側の性能監視のアプローチと同様である。いくつかの実施形態において、ＵＥは、同時実行の能力を有する場合に、ＭＬベースの特徴及びその関連付けられる予備的な特徴を同時に実行し／動作させてもよい。ＵＥは、双方の特徴（ＭＬベースの特徴及び予備的な特徴）の出力を、瞬間的な若しくは短期の比較を用いたＭＬベースの特徴の性能の監視又は予測を行うために使用してもよい。並列動作は、例えば合計動作時間のうちの５％など、低デューティサイクルで起動されてもよい。同時の実行は、厳密に同時に行われることを意味しなくてもよく、むしろＭＬベースの特徴と予備的な特徴との間で性能を比較できるように双方の機能のために同じ又は非常に類似する入力データが使用されることを意味し、よって、元データが同時に又は非常に近い時間位置で取得される必要があるかもしれない。

例えば、上記機能性がＣＳＩ報告の構築についてのものであるユースケースを考慮されたい。同じＣＳＩ－ＲＳリソースセット／インデックスがＭＬベースの及び予備的な特徴についてソースデータとして作用してもよく、但し、双方の特徴についての実際のデータ処理のプロセスは同時には発生しなくてよい。むしろ、結果についての後の比較又はｇＮＢへの報告のために、それらを時間的に拡散することができる。

いくつかの実施形態において、ＵＥに同時の実行の能力が欠如している場合、ＵＥは、ＭＬ及び予備的な特徴を交互に用いて動作してもよく、性能の監視が２つの動作モードの長期間の比較により行われてもよい。ＭＬベースの及び予備的なアクティビティの時間長は、性能の問題が検出されなければ時間の大部分でＭＬモードで動作する形で、非対称／不均等であってもよい。いくつかの実施形態において、ＵＥは、例えば典型的なＴＰの検出、ＳＩＮＲ、サービングビーム品質などのハイレベルのＫＰＩのリファレンス性能との比較に基づいて、ＭＬの特徴の性能監視を行ってもよい。

ステップ５：ＵＥは、自律的に、性能上の課題を有する少なくとも検出されたＭＬベースの特徴を非アクティブ化／停止し、関連付けられる予備的な特徴をアクティブ化／スイッチオンする。

ステップ６：ＵＥは、ネットワークノードに対し上記特徴のフォールバック／切り替え情報（例えば、非アクティブ化／停止／スイッチオフされたＭＬベースの特徴）について指し示す。

ステップ７［オプション］：ネットワークノードは、例えば、ＭＬベースの特徴が一方の部分がＵＥに位置し他方の部分がネットワークに位置するという形で２つの部分に分割されるＭＬモデルに基づくケース、又は、ＭＬベースの特徴がモデルの一部がＵＥに位置しモデルの残部がネットワークに位置するという形で複数のＭＬモデルに基づくケースについて、少なくとも非アクティブ化されるＭＬベースの特徴について、ネットワーク側の関連付けられるＭＬモデルを非アクティブ化／停止／スイッチオフする。

ステップ８［オプション］：ネットワークノードは、ＵＥ向けに、調整後の構成及び／又はスケジューリングメッセージを送信する。例えば、調整後の上記構成及び／又はスケジューリングメッセージは、ＵＥの測定のための更新されたリファレンス信号リソース構成、及び／又は、ＵＥが予備的な特徴を用いてＣＳＩを報告するための更新されたＣＳＩレポーティング構成を含んでもよい。

ここで説明した例はＵｕインタフェースについてＵＥの能力のレポーティングに主に焦点を当てているものの、同じ方法論が、異なるＵＥの間のＰＣ５インタフェース上のシグナリングを用いてＭＬベースの特徴のフォールバックをサポートするために適用されてもよい。

図４は、いくつかの実施形態に係る通信システム１００の一例を示している。この例において、通信システム１００は、無線アクセスネットワーク（ＲＡＮ）といったアクセスネットワーク１０４と、１つ以上のコアネットワークノード１０８を含むコアネットワーク１０６とを含む電気通信ネットワーク１０２を含む。アクセスネットワーク１０４は、ネットワークノード１１０ａ及び１１０ｂといった１つ以上のアクセスネットワークノード（そのうちの１つ以上が、概してネットワークノード１１０として言及され得る）、又は何らかの他の類似の第３世代パートナーシッププロジェクト（３ＧＰＰ）アクセスノード若しくは非３ＧＰＰアクセスポイントを含む。ネットワークノード１１０は、１つ以上のワイヤレス接続上でコアネットワーク１０６へＵＥ１１２ａ、１１２ｂ、１１２ｃ及び１１２ｄ（そのうちの１つ以上が、概してＵＥ１１１２として言及され得る）を接続するなどして、ユーザ機器（ＵＥ）の直接的な又は間接的な接続を促進する。

ワイヤレス接続上の例示的なワイヤレス通信は、電磁波、無線波、赤外線波、及び／若しくは、ワイヤ、ケーブル若しくは他の物質的な導体を使用せずに情報を運ぶために適した他のタイプの信号を用いて、ワイヤレス信号を送信し並びに／又は受信することを含む。そのうえ、様々な実施形態において、通信システム１００は、いかなる数の有線若しくは無線ネットワーク、ネットワークノード、ＵＥ、並びに／又は、有線接続か無線接続かに関わらずデータ及び／若しくは信号の通信を促進し若しくは当該通信に参加し得る任意の他のコンポーネント若しくはシステムを含んでもよい。通信システム１００は、任意のタイプの通信、電気通信、データ、セルラー、無線ネットワーク、及び／若しくは他の類似するタイプのシステムを含んでよく、並びに／又はそれらとインタフェースしてよい。

ＵＥ１１２は、ネットワークノード１１０及び他の通信デバイスとワイヤレスに通信するように配置され、構成され、及び／又は動作可能なワイヤレスデバイスを含む、広範な種類の通信デバイスのうちの任意のものであってよい。同様に、ネットワークノード１１０は、ワイヤレスネットワークアクセスといったネットワークアクセスを可能にし及び／若しくは提供するため、並びに／又は、電気通信ネットワーク１０２内の管理といった他の機能を実行するために、ＵＥ１１２に対して、及び／若しくは電気通信ネットワーク１０２内の他のネットワークノード若しくは機器に対して、直接的に若しくは間接的に通信するように配置され、それが可能であり、そのように構成され、並びに／又はそのように動作可能である。

図示した例において、コアネットワーク１０６は、ネットワークノード１１０を、ホスト１１６といった１つ以上のホストへ接続する。それら接続は、直接的であってもよく、又は１つ以上の中間的なネットワーク若しくはデバイスを介する間接的なものであってもよい。他の例において、ネットワークノードがホストへ直接的に連結されてもよい。コアネットワーク１０６は、ハードウェア及びソフトウェアコンポーネントと共に構造化される１つ以上のコアネットワークノード（例えば、コアネットワークノード１０８）を含む。それらコンポーネントの機能は、ＵＥ、ネットワークノード及び／又はホストに関して説明したものと実質的に同様であってよく、よって、それらの説明がコアネットワークノード１０８の対応するコンポーネントへ概して適用可能である。例示的なコアネットワークノードは、モバイルスイッチングセンタ（ＭＳＣ）、モビリティ管理エンティティ（ＭＭＥ）、ホーム加入者サーバ（ＨＳＳ）、アクセス及びモビリティ管理機能（ＡＭＦ）、セッション管理機能（ＳＭＦ）、認証サーバ機能（ＡＵＳＦ）、サブスクリプション識別子秘匿解除機能（ＳＩＤＦ）、統一データ管理（ＵＤＭ）、セキュリティエッジ保護プロキシ（ＳＥＰＰ）、ネットワーク露出機能（ＮＥＦ）、及び／又はユーザプレーン機能（ＵＰＦ）のうちの１つ以上の機能を含む。

ホスト１１６は、事業者以外のサービスプロバイダ、又はアクセスネットワーク１０４及び／若しくは電気通信ネットワーク１０２のプロバイダの所有下にあってもその制御下にあってもよく、当該サービスプロバイダにより若しくは当該サービスプロバイダのために運用されてもよい。ホスト１１６は、多様なアプリケーションをホスティングして１つ以上のサービスを提供してよい。そうしたアプリケーションの例は、ライブの及び事前収録された音声／映像コンテンツ、複数のＵＥにより検知される多様な周囲の条件に関するデータの取得及び編集といったデータ収集サービス、分析機能性、ソーシャルメディア、リモートデバイスの制御若しくはさもなければインタラクションのための機能、警報及び監視センタのための機能、又は、サーバにより実行される任意の他のそうした機能を含む。

全体として、図４の通信システム１００は、ＵＥ、ネットワークノード及びホストの間の接続性を可能にする。その意味において、通信システムは、限定ではないものの、次のものを含む特定の標準のような予め定義されたルール又は手続に従って動作するように構成されてよい：ＧＳＭ（Global System for Mobile Communications）、ＵＭＴＳ（Universal Mobile Telecommunications System）、ロングタームエボリューション（ＬＴＥ）、及び／若しくは他の適した２Ｇ、３Ｇ、４Ｇ、５Ｇ標準、若しくは任意の適用可能な将来の世代の標準（例えば、６Ｇ）、ＩＥＥＥ（Institute of Electrical and Electronics Engineers）８０２．１１標準（ＷｉＦｉ）などのＷＬＡＮ（wireless local area network）標準、並びに／又は、ＷｉＭａｘ（Worldwide Interoperability for Microwave Access）、Ｂｌｕｅｔｏｏｔｈ、Ｚ－Ｗａｖｅ、ＮＦＣ（Near Field Communication） ＺｉｇＢｅｅ、ＬｉＦｉ、及び／若しくは、ＬｏＲａ及びＳｉｇｆｏｘなど任意のＬＰＷＡＮ（low-power wide-area network）標準といった、任意の他の適切なワイヤレス通信標準。

いくつかの例において、電気通信ネットワーク１０２は、３ＧＰＰにより標準化された機能を実装するセルラーネットワークである。したがって、電気通信ネットワーク１０２は、電気通信ネットワーク１０２へ接続される様々なデバイスに様々な論理的ネットワークを提供するためのネットワークスライシングをサポートしてもよい。例えば、電気通信ネットワーク１０２は、いくつかのＵＥに超高信頼性低レイテンシ通信（ＵＲＬＬＣ）サービスを提供する一方で、他のＵＥに拡張モバイルブロードバンド（ｅＭＢＢ）サービスを提供してもよく、またさらなるＵＥにマッシブマシンタイプ通信（ｍＭＴＣ）／マッシブＩｏＴサービスを提供してもよい。

いくつかの例において、ＵＥ１１２は、直接的なヒューマンインタラクション無しで情報を送信し及び／又は受信するように構成される。例えば、ＵＥは、予め決定されるスケジュールで、内部の若しくは外部のイベントによりトリガされた場合に、又は、アクセスネットワーク１０４からのリクエストに応じて、アクセスネットワーク１０４へ情報を送信するように設計されてもよい。追加的に、ＵＥは、シングル若しくはマルチＲＡＴで、又はマルチ標準モードで動作するために構成されてもよい。例えば、ＵＥは、Ｗｉ－Ｆｉ、ＮＲ（新無線）及びＬＴＥのうちの任意の１つ又は組み合わせで、即ち、Ｅ－ＵＴＲＡＮ（Evolved-UMTS Terrestrial Radio Access Network）新無線－デュアルコネクティビティ（ＥＮ－ＤＣ）といったマルチ無線デュアルコネクティビティ（ＭＲ－ＤＣ）のために構成されて動作してもよい。

上記例において、ハブ１１４は、１つ以上のＵＥ（例えば、ＵＥ１１２ｃ及び／又は１１２ｄ）とネットワークノード（例えば、ネットワークノード１１０ｂ）との間の間接的な通信を促進するために、アクセスネットワーク１０４と通信する。いくつかの例において、ハブ１１４は、コントローラ、ルータ、コンテンツソース及びアナリティクス、又はＵＥに関してここで説明した他の通信デバイスのいずれかであってよい。例えば、ハブ１１４は、ＵＥのためにコアネットワーク１０６へのアクセスを可能にするブロードバンドルータであってもよい。他の例として、ハブ１１４は、ＵＥ内の１つ以上のアクチュエータへコマンド又は命令を送信するコントローラであってもよい。コマンド又は命令は、ＵＥやネットワークノード１１０から受信され、又は、実行可能なコード、スクリプト、プロセス、若しくはハブ１１４内の他の命令により受付けられてもよい。他の例として、ハブ１１４は、ＵＥのデータのための一時的なストレージとして動作するデータコントローラであってもよく、いくつかの実施形態では、そのデータの分析若しくは他の処理を実行してもよい。他の例として、ハブ１１４は、コンテンツソースであってもよい。例えば、ＶＲヘッドセット、ディスプレイ、ラウドスピーカー、若しくは他のメディアデリバリデバイスであるＵＥについて、ハブ１１４は、ネットワークノードを介してＶＲアセット、映像、音声、又は他の感覚情報に関連するメディア若しくはデータを取得してもよく、その場合、ハブ１１４は、直接的に、ローカルでの処理の実行後、及び／又は追加的なローカルコンテンツを加えた後のいずれかに、ＵＥへそれを提供する。また別の例において、ハブ１１４は、ＵＥのためのプロキシサーバ又はオーケストレータとして動作し、とりわけ、ＵＥのうちの１つ以上が低エネルギーＩｏＴデバイスである場合にはそうである。

ハブ１１４は、ネットワークノード１１０ｂに対して定常的／永続的な又は間欠的な接続を有し得る。また、ハブ１１４は、ハブ１１４とＵＥ（ＵＥ１１２ｃ及び／又は１１２ｄ）との間、並びにハブ１１４とコアネットワーク１０６との間で、異なる通信方式及び／又はスケジュールを可能にしてもよい。他の例において、ハブ１１４は、有線接続を介して、コアネットワーク１０６及び／又は１つ以上のＵＥへ接続される。そのうえ、ハブ１１４は、アクセスネットワーク１０４上でＭ２Ｍサービスプロバイダへ接続され、及び／又は、直接的な接続上で他のＵＥへ接続されるように構成されてもよい。いくつかのシナリオにおいて、ＵＥは、有線又は無線接続を介してハブ１１４経由で依然として接続されながら、ネットワークノード１１０と無線接続を確立してもよい。いくつかの実施形態において、ハブ１１４は、専用のハブ、即ち、その主要な機能がＵＥとネットワークノード１１０ｂとの間で通信をルーティングすることであるハブであってもよい。他の実施形態において、ハブ１１４は、専用でないハブ、即ち、ＵＥとネットワークノード１１０ｂとの間で通信をルーティングするように動作可能であるが、それに加えて何らかのデータチャネルについて通信の始点及び／又は終点として動作可能なデバイスであってもよい。

図５は、いくつかの実施形態に係るＵＥ２００を示している。ここで使用されるところでは、ＵＥは、ネットワークノード及び／若しくは他のＵＥとワイヤレスに通信することが可能であり、そのように構成され、配置され並びに／又は動作可能なデバイスをいう。ＵＥの例は、限定ではないものの、スマートフォン、モバイルフォン、セルフォン、ＶｏＩＰ（Voice over IP）フォン、ワイヤレスローカルループフォン、デスクトップコンピュータ、パーソナルデジタルアシスタント（ＰＤＡ）、ワイヤレスカメラ、ゲームコンソール若しくはデバイス、音楽記憶デバイス、再生用電化製品、ウェアラブル端末デバイス、ワイヤレスエンドポイント、移動局、タブレット、ラップトップ、ラップトップ組込み機器（ＬＥＥ）、ラップトップ搭載型機器（ＬＭＥ）、スマートデバイス、ワイヤレス顧客構内機器（ＣＰＥ）、車両搭載型若しくは車両組込／統合型のワイヤレスデバイスなどを含む。他の例は、狭帯域モノのインターネット（ＮＢ－ＩｏＴ）ＵＥ、マシンタイプ通信（ＭＴＣ）ＵＥ及び／又は拡張ＭＴＣ（ｅＭＴＣ）ＵＥを含む、第３世代パートナーシッププロジェクト（３ＧＰＰ）により識別される任意のＵＥを含む。

ＵＥは、例えば、サイドリンク通信、専用近距離通信（ＤＳＲＣ）、車両対車両（Ｖ２Ｖ）、車両対インフラストラクチャ（Ｖ２Ｉ）又は車両対エブリシング（Ｖ２Ｅ）のために３ＧＰＰ標準を実装することにより、デバイスツーデバイス（Ｄ２Ｄ）通信をサポートしてもよい。他の例において、ＵＥは、関係するデバイスを所有し及び／又は操作する人間のユーザという意味でのユーザを必ずしも有していなくてもよい。その代わりに、ＵＥは、人間のユーザへの販売又は人間のユーザによる操作を意図されているが、少なくとも当初は特定の人間のユーザに関連付けられていないかもしれないデバイス（例えば、スマートスプリンクラーコントローラ）を表してもよい。代替的に、ＵＥは、エンドユーザへの販売又はエンドユーザによる操作を意図されず、ユーザの恩恵に関連付けられ又はユーザの恩恵のために運用され得るデバイス（例えば、スマートパワーメータ）を表してもよい。

ＵＥ２００は、入出力インタフェース２０６へバス２０４を介して動作可能に連結される処理回路２０２、電源２０８、メモリ２１０、通信インタフェース２１２、及び／若しくは任意の他のコンポーネント、又はそれらの任意の組み合わせを含む。あるＵＥは、図５に示したコンポーネントのうちの全て又はサブセットを利用し得る。コンポーネント間の統合のレベルは、あるＵＥと他のＵＥとで変化してよい。さらに、あるＵＥは、複数のプロセッサ、メモリ、送受信機、送信機、受信機などのように、コンポーネントの複数のインスタンスを含んでもよい。

処理回路２０２は、命令群及びデータを処理するように構成され、メモリ２１０内に機械読取可能なコンピュータプログラムとして記憶されている命令群を実行するように動作可能な何らかのシーケンシャルステートマシンを実装するように構成されてもよい。処理回路２０２は、１つ以上の（例えば、離散ロジック、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）などでの）ハードウェア実装されるステートマシン、適切なファームウェアを伴うプログラマブルロジック、１つ以上のストアドコンピュータプログラム、適切なソフトウェアを伴うマイクロプロセッサ若しくはデジタル信号プロセッサ（ＤＳＰ）といった汎用プロセッサ、又は上記の任意の組み合わせとして実装されてもよい。例えば、処理回路２０２は、複数の中央演算装置（ＣＰＵ）を含んでもよい。

上記例において、入出力インタフェース２０６は、入力デバイス、出力デバイス、又は１つ以上の入出力デバイスに対する１つ又は複数のインタフェースを提供するように構成されてもよい。出力デバイスの例は、スピーカ、サウンドカード、ビデオカード、ディスプレイ、モニタ、プリンタ、アクチュエータ、エミッタ、スマートカード、他の出力デバイス、又はそれらの任意の組み合わせを含む。入力デバイスは、ユーザがＵＥ２００に対し情報を捕捉することを可能にし得る。入力デバイスの例は、タッチ感応型の又はプレゼンス感応型のディスプレイ、カメラ（例えば、デジタルカメラ、デジタルビデオカメラ、ウェブカメラなど）、マイクロフォン、センサ、マウス、トラックボール、指向性パッド、トラックパッド、スクロールホイール、及びスマートカードなどを含む。プレゼンス感応型のディスプレイは、ユーザからの入力を感知するための容量型又は抵抗型のタッチセンサを含んでもよい。センサは、例えば、加速度計、ジャイロスコープ、傾斜センサ、力センサ、磁力計、光センサ、近接センサ、バイオメトリックセンサなど、又はそれらの任意の組み合わせであってもよい。出力デバイスは、入力デバイスと同じタイプのインタフェースポートを使用してもよい。例えば、ユニバーサルシリアルバス（ＵＳＢ）ポートが、入力デバイス及び出力デバイスを提供するために使用されてもよい。

いくつかの実施形態において、電源２０８は、バッテリ又はバッテリパックとして構造化される。外部の電源（例えば、電気コンセント）、太陽光発電デバイス又は電池といった他のタイプの電源もまた使用されてよい。電源２０８は、電源２０８自体及び／又は外部電源からＵＥ２００の多様な部分へ入力回路又は電源ケーブルといったインタフェースを介して電力を伝達するための電力回路をさらに含んでもよい。電力の伝達は、例えば、電源２０８の充電のためであってもよい。電力回路は、電力供給先であるＵＥ２００のそれぞれのコンポーネントに電力を適したものとするために、電源２０８からの電力に対し何らかの整形、変換又は他の修正を行ってもよい。

メモリ２１０は、ランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、プログラマブル読取専用メモリ（ＰＲＯＭ）、消去可能プログラマブル読取専用メモリ（ＥＰＲＯＭ）、電気消去可能プログラマブル読取専用メモリ（ＥＥＰＲＯＭ）、磁気ディスク、光ディスク、ハードディスク、取り外し可能カートリッジ、及びフラッシュドライブなどであってもよく、又はそうしたメモリを含むように構成されてもよい。１つの例において、メモリ２１０は、オペレーティングシステム、ウェブブラウザアプリケーション、ウィジェット、ガジェットエンジン若しくは他のアプリケーションといった１つ以上のアプリケーションプログラム２１４、及び対応するデータ２１６を含む。メモリ２１０は、ＵＥ２００による使用のために、広範な多様なオペレーティングシステム又は複数のオペレーティングシステムの組み合わせのうちの任意のものを記憶してよい。

メモリ２１０は、ＲＡＩＤ（Redundant Array of Independent Disks）といった複数の物理ドライブユニット、フラッシュメモリ、ＵＳＢフラッシュドライブ、外部ハードディスクドライブ、サムドライブ、ペンドライブ、キードライブ、ＨＤ－ＤＶＤ（High-Density Digital Versatile Disc）、光ディスクドライブ、内部ハードディスクドライブ、Ｂｌｕ－Ｒａｙ光ディスクドライブ、ＨＤＤＳ（Holographic Digital Data Storage）光ディスクドライブ、外部ミニＤＩ ＭＭ（Dual In-Line Memory Module）、ＳＤＲＡＭ（Synchronous Dynamic Random Access Memory）、外部マイクロＤＩＭＭ ＳＤＲＡＭ、ＵＳＩＭ及び／若しくはＩＳＩＭなどの１つ以上のＳＩＭ（subscriber Identity Module）を含むＵＩＣＣ（universal integrated circuit card）の形式の耐タンパモジュールといったスマートカードメモリ、他のメモリ、又はそれらの任意の組み合わせを含むように構成されてもよい。ＵＩＣＣは、例えば、組込みＵＩＣＣ（ｅＵＩＣＣ）、統合ＵＩＣＣ（ｉＵＩＣＣ）、又は一般に"ＳＩＭカード"として知られるリムーバブルＵＩＣＣであってよい。メモリ２１０は、ＵＥ２００が一時的な若しくは非一時的な記憶媒体に記憶される命令群及びアプリケーションプログラムなどへアクセスしてデータをオフロードし又はデータをアップロードすることを可能にしてもよい。通信システムを利用するものなどといった製品の品目は、デバイス読取可能な記憶媒体であり又はそれを含んでもよいメモリ２１０として又は当該メモリ２１０内で有形的に具現化され得る。

処理回路２０２は、通信インタフェース２１２を用いてアクセスネットワーク又は他のネットワークと通信するように構成され得る。通信インタフェース２１２は、１つ以上の通信サブシステムを含んでもよく、アンテナ２２２を含み若しくはアンテナ２２２へ通信可能に連結されてもよい。通信インタフェース２１２は、ワイヤレス通信可能な他のデバイス（例えば、他のＵＥ若しくはアクセスネットワーク内のネットワークノード）の１つ以上のリモート送受信機と通信することなどによって、通信を行うために使用される１つ以上の送受信機を含んでもよい。各送受信機は、ネットワーク通信を提供するために適切な送信機２１８及び／又は受信機２２０を含み得る（例えば、光学的、電気的、周波数割当てなど）。そのうえ、送信機２１８及び受信機２２０は、１つ以上のアンテナ（例えば、アンテナ２２２）へ連結されてもよく、それらは回路コンポーネント、ソフトウェア若しくはファームウェアを共有してもよく、又は、代替的に別個に実装されてもよい。

図示した実施形態において、通信インタフェース２１２の通信機能は、セルラー通信、Ｗｉ－Ｆｉ通信、ＬＰＷＡＮ通信、データ通信、音声通信、マルチメディア通信、Ｂｌｕｅｔｏｏｔｈのような近距離通信、近接（near-field）通信、ロケーションの決定のためのＧＰＳ（Global Positioning System）の使用といったロケーションベースの通信、他の類似の通信機能、又はそれらの任意の組み合わせを含んでもよい。通信は、ＩＥＥＥ８０２．１１、符号分割多重アクセス（ＣＤＭＡ）、広帯域符号分割多重アクセス（ＷＣＤＭＡ）、ＧＳＭ、ＬＴＥ、新無線（ＮＲ）、ＵＭＴＳ、ＷｉＭａｘ、イーサネット、ＴＣＰ／ＩＰ（transmission control protocol/internet protocol）、ＳＯＮＥＴ（synchronous optical networking）、ＡＴＭ（Asynchronous Transfer Mode）、ＱＵＩＣ、ＨＴＴＰ（Hypertext Transfer Protocol）などといった１つ以上の通信プロトコル及び／又は標準に従って実装されてよい。

センサのタイプに関わらず、ＵＥは、自身の通信インタフェース２１２を通じてワイヤレス接続を介してネットワークノードへ、自身のセンサにより捕捉されるデータの出力を提供してもよい。ＵＥのセンサにより捕捉されるデータは、ワイヤレス接続を通じてネットワークノードへ他のＵＥを介して通信されてもよい。出力は、周期的であってもよく（例えば、測定温度を報告する場合には１５分ごと）、ランダムであってもよく（例えば、複数のセンサからの報告による負荷をならすため）、トリガイベントに応じてなされてもよく（例えば、湿気が検知されるとアラートが送信される）、リクエストに応じてなされてもよく（例えば、ユーザにより開始されるリクエスト）、又は連続的なストリームであってもよい（例えば、患者のライブ映像のフィード）。

他の例として、ＵＥは、ネットワークノードからワイヤレス接続を介してワイヤレス入力を受信するように構成される通信インタフェースに関連する、アクチュエータ、モータ又はスイッチを含む。受信されるワイヤレス入力に応じて、アクチュエータ、モータ又はスイッチの状態が変化し得る。例えば、ＵＥは、受信される入力に従って飛行中のドローンの制御面若しくはロータを調整するモータ、又は、受信される入力に従って医療上の処置を行うロボティックアームを含んでもよい。

ＵＥは、モノのインターネット（ＩｏＴ）デバイスの形式である場合、１つ以上のアプリケーションドメインにおける使用のためのデバイスであってよく、それらドメインは、限定ではないものの、街中でのウェアラブル技術、拡張された産業アプリケーション、及びヘルスケアを含む。そうしたＩｏＴデバイスの非限定的な例は、コネクテッド冷蔵庫若しくは冷凍庫、ＴＶ、コネクテッド照明デバイス、電気メータ、ロボット掃除機、音声制御型スマートスピーカ、家庭用セキュリティカメラ、動き検知器、サーモスタット、煙検知器、ドア／窓センサ、冠水／湿気センサ、電気ドア錠、コネクテッドドアベル、ヒートポンプのような空調システム、自律型の乗り物、監視システム、気候モニタリングデバイス、駐車モニタリングデバイス、乗り物充電ステーション、スマートウォッチ、フィットネストラッカ、拡張現実（ＡＲ）若しくは仮想現実（ＶＲ）のためのヘッドマウントディスプレイ、触覚拡張若しくは知覚拡張のためのウェアラブル、ウォータスプリンクラ、動物若しくは物品追跡デバイス、植物若しくは動物を監視するためのセンサ、産業用ロボット、無人航空機（ＵＡＶ）、及び、心拍数モニタ若しくは遠隔制御型手術用ロボットなどの任意の種類の医療デバイスであるか、又はそこに組み込まれるデバイスである。ＩｏＴデバイスの形式のＵＥは、ＩｏＴデバイスの目的とするアプリケーションに依存する回路及び／又はソフトウェアに加えて、図５に示したＵＥ２００に関連して説明したような他のコンポーネントを備える。

また別の固有の例として、ＩｏＴのシナリオでは、ＵＥは、監視及び／若しくは測定を実行し、並びに他のＵＥ及び／若しくはネットワークノードへそうした監視及び／若しくは測定の結果を送信する、マシン又は他のデバイスを表してもよい。ＵＥは、このケースにおいて、Ｍ２Ｍデバイスであってもよく、３ＧＰＰの文脈ではＭＴＣデバイスとして言及されてもよい。１つの具体的な例として、ＵＥは、３ＧＰＰ ＮＢ－ＩｏＴ標準を実装してもよい。他のシナリオにおいて、ＵＥは、その動作ステータス若しくはその動作に関連付けられる他の機能について監視し及び／若しくは報告することの可能な乗用車、バス、トラック、船舶若しくは航空機、又は他の機器を表してもよい。

実際上、単一のユースケースに関していかなる数のＵＥが一緒に使用されてもよい。例えば、第１のＵＥは、ドローンであるか又はドローンに統合され、（速度センサを通じて取得される）ドローンの速度情報を、当該ドローンを操作するリモートコントローラである第２のＵＥへ提供してもよい。ユーザがリモートコントローラから変更を行うと、第１のＵＥは、（例えば、アクチュエータを制御することで）ドローンのスロットルを調整して、ドローンの速度を増減させてもよい。第１及び／又は第２のＵＥは、上述した機能性のうちの１つよりも多くを含むこともできる。例えば、ＵＥは、センサ及びアクチュエータを備え、速度センサ及びアクチュエータの双方についてのデータの通信を扱ってもよい。

図６は、いくつかの実施形態に係るネットワークノード３００を示している。ここで使用されるところでは、ネットワークノードは、ＵＥ及び／若しくは電気通信ネットワーク内の他のネットワークノード若しくは機器と直接的に若しくは間接的に通信することが可能であり、そのように構成され、配置され並びに／又は動作可能な機器をいう。ネットワークノードの例は、限定ではないものの、アクセスポイント（ＡＰ）（例えば、無線アクセスポイント）や基地局（ＢＳ）（例えば、無線基地局、ノードＢ、進化型ノードＢ（ｅＮＢ）、及びＮＲノードＢ（ｇＮＢ））を含む。

基地局は、それらが提供するカバレッジの量（あるいは別の言い方をすると、それらの送信電力レベル）に基づいてカテゴリ分けされてよく、そのため、提供されるカバレッジの量に依存して、フェムト基地局、ピコ基地局、マイクロ基地局又はマクロ基地局として言及され得る。基地局は、中継ノード又は中継機を制御する中継ドナーノードであってもよい。ネットワークノードは、集中型デジタルユニット、及び／又はリモート無線ヘッド（ＲＲＨ）ということもあるリモート無線ユニット（ＲＲＵ）といった、分散型の無線基地局の１つ以上の（又は全ての）部分を含んでもよい。そうしたリモート無線ユニットは、アンテナ統合型無線機のようにアンテナと統合されてもよく又は統合されなくてもよい。分散型無線基地局の一部は、分散アンテナシステム（ＤＡＳ）内のノードとして言及されてもよい。

ネットワークノードの他の例は、マルチ送信ポイント（マルチＴＲＰ）５Ｇアクセスノード、ＭＳＲ ＢＳといったマルチ標準無線（ＭＳＲ）機器、無線ネットワークコントローラ（ＲＮＣ）若しくは基地局コントローラ（ＢＳＣ）といったネットワークコントローラ、基地送受信局（ＢＴＳ）、送信ポイント、送信ノード、マルチセル／マルチキャスト協調エンティティ（ＭＣＥ）、オペレーション及びメンテナンス（Ｏ＆Ｍ）ノード、オペレーションサポートシステム（ＯＳＳ）ノード、自己組織化ネットワーク（ＳＯＮ）ノード、測位ノード（例えば、進化型サービングモバイルロケーションセンタ（Ｅ－ＳＭＬＣ）及び／又はドライブテスト最小化（ＭＤＴ）を含む。

ネットワークノード３００は、処理回路３０２、メモリ３０４、通信インタフェース３０６及び電源３０８を含む。ネットワークノード３００は、自身のそれぞれのコンポーネントを各々が有し得る、複数の物理的に別個のコンポーネント（例えば、ノードＢコンポーネント及びＲＮＣコンポーネント、又は、ＢＴＳコンポーネント及びＢＳＣコンポーネントなど）から構成されてもよい。ネットワークノード３００が複数の別個のコンポーネント（例えば、ＢＴＳ及びＢＳＣコンポーネント）を備えるあるシナリオにおいて、それら別個のコンポーネントの１つ以上がいくつかのネットワークノードの間で共有されてもよい。例えば、単一のＲＮＣが複数のノードＢを制御してもよい。そうしたシナリオでは、ノードＢ及びＲＮＣの一意な各ペアが、いくつかの例において、単一の別個のネットワークノードとみなされてもよい。いくつかの実施形態において、ネットワークノード３００は、複数の無線アクセス技術（ＲＡＴ）をサポートするように構成されてもよい。そうした実施形態において、いくつかのコンポーネントが冗長化されてもよく（例えば、異なるＲＡＴ向けの別個のメモリ３０４）、いくつかのコンポーネントが再利用されてもよい（例えば、同一のアンテナ３１０が異なる複数のＲＡＴにより共有されてもよい）。また、ネットワークノード３００は、例えばＧＳＭ、ＷＣＤＭＡ、ＬＴＥ、ＮＲ、ＷｉＦｉ、Ｚｉｇｂｅｅ、Ｚ－ｗａｖｅ、ＬｏＲａＷＡＮ、ＲＦＩＤ（Radio Frequency Identification）、又はＢｌｕｅｔｏｏｔｈワイヤレス技術といった、ネットワークノード３００へ統合される様々なワイヤレス技術のための多様な例示したコンポーネントの複数のセットを含んでもよい。それらワイヤレス技術は、ネットワークノード３００内の同一の若しくは異なるチップ又はチップのセット及び他のコンポーネントへ統合されてよい。

処理回路３０２は、単独で若しくはメモリ３０４といった他のネットワークノード３００のコンポーネントと連携してネットワークノード３００の機能性を提供するように動作可能な、マイクロプロセッサ、コントローラ、マイクロコントローラ、中央処理ユニット、デジタル信号プロセッサ、特定用途向け集積回路、フィールドプログラマブルゲートアレイ又は他の適したコンピューティングデバイス、リソース若しくはハードウェア、ソフトウェア及び／若しくは符号化ロジックの組み合わせ、のうちの１つ以上の組み合わせを含んでよい。

いくつかの実施形態において、処理回路３０２は、システムオンチップ（ＳＯＣ）を含む。いくつかの実施形態において、処理回路３０２は、無線周波数（ＲＦ）送受信機回路３１２及びベースバンド処理回路３１４のうちの１つ以上を含む。いくつかの実施形態において、無線周波数（ＲＦ）送受信機回路３１２及びベースバンド処理回路３１４は、無線ユニット及びデジタルユニットのように、別個のチップ（若しくはチップのセット）、基盤又はユニット上にあってもよい。代替的な実施形態において、ＲＦ送受信機回路３１２及びベースバンド処理回路３１４の一部又は全てが同一のチップ若しくはチップのセット、基盤又はユニット上にあってもよい。

メモリ３０４は、限定ではないものの、処理回路３０２により使用され得る情報、データ及び／若しくは命令を記憶する、永続的なストレージ、ソリッドステートメモリ、遠隔搭載型のメモリ、磁気媒体、光媒体、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、大規模記憶媒体（例えば、ハードディスク）、取外し可能記憶媒体（例えば、フラッシュドライブ、コンパクトディスク（ＣＤ）若しくはデジタルビデオディスク（ＤＶＤ））、並びに／又は、他の任意の揮発性の若しくは不揮発性の非一時的なデバイス読取可能な及び／若しくはコンピュータ実行可能なメモリデバイスを含む、いかなる形式の揮発性の又は不揮発性のコンピュータ読取可能なメモリを含んでもよい。メモリ３０４は、処理回路３０２により実行可能であってネットワークノード３００により利用可能な、コンピュータプログラム、ソフトウェア、ロジック、ルール、コード、テーブルのうちの１つ以上を含むアプリケーション、及び／又は他の命令を含む任意の適した命令、データ又は情報を記憶し得る。メモリ３０４は、処理回路３０２により生み出される任意の計算結果、及び／又はインタフェース３０６を介して受信される任意のデータを記憶するために使用されてもよい。いくつかの実施形態において、処理回路３０２及びメモリ３０４は統合される。

通信インタフェース３０６は、ネットワークノード、アクセスネットワーク及び／又はＵＥの間での、シグナリング及び／又はデータの有線若しくは無線通信において使用される。図示したように、通信インタフェース３０６は、例えば、有線接続上でネットワークとの間でデータを送受信するためのポート／端子３１６を含む。通信インタフェース３０６は、アンテナ３１０へ連結され又はある実施形態ではアンテナ３１０の一部であり得る無線フロントエンド回路３１８をも含む。無線フロントエンド回路３１８は、フィルタ３２０及び増幅器３２２を含む。無線フロントエンド回路３１８は、アンテナ３１０及び処理回路３０２へ接続され得る。無線フロントエンド回路は、アンテナ３１０及び処理回路３０２の間で通信される信号を調整するように構成されてもよい。無線フロントエンド回路３１８は、無線接続を介して他のネットワークノード又はＵＥへ送出されるべきデジタルデータを受け付け得る。無線フロントエンド回路３１８は、そのデジタルデータを、フィルタ３２０及び／又は増幅器３２２の組み合わせを用いて、適切なチャネル及び帯域幅パラメータを有する無線信号へ変換し得る。そして、無線信号は、アンテナ３１０を介して送信され得る。同様に、データが受信される場合、アンテナ３１０が無線信号を収集し、次いで無線信号は無線フロントエンド回路３１８によりデジタルデータへ変換され得る。デジタルデータは、処理回路３０２へ受け渡され得る。他の実施形態において、通信インタフェースは、異なるコンポーネント及び／又はコンポーネントの異なる組み合わせを含んでもよい。

ある代替的な実施形態において、ネットワークノード３００は、別個の無線フロントエンド回路３１８を含まなくてもよく、むしろ、処理回路３０２が、無線フロントエンド回路を含んでもよく、アンテナ３１０へ接続されてもよい。同様に、いくつかの実施形態において、ＲＦ送受信機回路３１２の全て又はいくつかが通信インタフェース３０６の一部である。また別の実施形態において、通信インタフェース３０６は、無線ユニット（図示せず）の一部として、１つ以上のポート若しくは端子３１６、無線フロントエンド回路３１８及びＲＦ送受信機回路３１２を含み、通信インタフェース３０６はデジタルユニット（図示せず）の一部であるベースバンド処理回路３１４と通信する。

アンテナ３１０は、ワイヤレス信号を送信し及び／又は受信するように構成される、１つ以上のアンテナ若しくはアンテナアレイを含んでもよい。アンテナ３１０は、無線フロントエンド回路３１８へ連結されてもよく、データ及び／又は信号をワイヤレスに送信し及び受信することの可能ないかなるタイプのアンテナであってもよい。ある実施形態において、アンテナ３１０は、ネットワークノード３００とは別個であり、インタフェース又はポートを通じてネットワークノード３００へ接続可能である。

アンテナ３１０、通信インタフェース３０６及び／又は処理回路３０２は、ネットワークノードにより実行されるものとしてここで説明した何らかの受信動作及び／又はある取得動作を実行するように構成され得る。どのような情報、データ及び／又は信号が、ＵＥ、他のネットワークノード及び／又は任意の他のネットワーク機器から受信されてもよい。同様に、アンテナ３１０、通信インタフェース３０６及び／又は処理回路３０２は、ネットワークノードにより実行されるものとしてここで説明した何らかの送信動作を実行するように構成され得る。どのような情報、データ及び／又は信号が、ＵＥ、他のネットワークノード及び／又は任意の他のネットワーク機器へ送信されてもよい。

電源３０８は、それぞれのコンポーネントに適した形式で（例えば、各コンポーネントそれぞれにとって必要とされる電圧及び電流のレベルで）、ネットワークノード３００の多様なコンポーネントへ電力を提供する。電源３０８は、ここで説明した機能性を実行するための電力をネットワークノード３００のコンポーネントへ供給するための電力管理回路を含んでもよく、又は当該電力管理回路へ連結されてもよい。例えば、ネットワークノード３００は、電気ケーブルといった入力回路若しくはインタフェースを介して外部の電源（例えば、電力グリッド、電気コンセント）へ接続可能であってもよく、それにより外部の電源が電源３０８の電力回路へ電力を供給する。さらなる例として、電源３０８は、電力回路へ接続され若しくは電力回路へ統合されるバッテリ又はバッテリパックの形式の電力のソースを含んでもよい。バッテリは、外部の電源の障害に備えてバックアップ電力を提供してもよい。

ネットワークノード３００の実施形態は、ここで説明した機能性のいずれか及び／又はここで説明した主題をサポートするために必要な何らかの機能性を含む、当該ネットワークノードの機能性のある観点を提供するための、図６に示したもの以外の追加的なコンポーネントを含んでもよい。例えば、ネットワークノード３００は、ネットワークノード３００への情報の入力を可能にし、及びネットワークノード３００からの情報の出力を可能にするユーザインタフェース機器を含んでもよい。これにより、ユーザがネットワークノード３００について診断、メンテナンス、修理及び他の管理機能を実行することが可能となり得る。

図７は、ここで説明した多様な観点に係る、図４のホスト１１６の実施形態であり得るホスト４００のブロック図である。ここで使用されるところでは、ホスト４００は、スタンドアローンサーバ、ブレードサーバ、クラウド実装されたサーバ、分散型サーバ、仮想マシン、コンテナ、若しくはサーバファーム内の処理リソースを含む、多様な組み合わせでのハードアウェア及び／又はソフトウェアであってもよく、あるいはそれを含んでもよい。ホスト４００は、１つ以上のＵＥへ１つ以上のサービスを提供し得る。

ホスト４００は、入出力インタフェース４０６へバス４０４を介して動作可能に連結される処理回路４０２、ネットワークインタフェース４０８、電源４１０、及びメモリ４１２を含む。他の実施形態において、他のコンポーネントが含まれていてもよい。それらコンポーネントの機能は、図３及び図４といったこれまでの図面のデバイスに関して説明したものと実質的に同様であってよく、よって、それらの説明がホスト４００の対応するコンポーネントへ概して適用可能である。

メモリ４１２は、１つ以上のホストアプリケーションプログラム４１４を含む１つ以上のコンピュータプログラムと、例えばホスト４００のためにＵＥにより生成されるデータ又はＵＥのためにホスト４００により生成されるデータなどのユーザデータを含み得るデータ４１６と、を含んでよい。ホスト４００の実施形態は、図示したコンポーネントのうちのサブセットのみ又は全てを利用してよい。ホストアプリケーションプログラム４１４は、コンテナベースのアーキテクチャで実装されてもよく、異なる複数のＵＥのクラス、タイプ又は実装（例えば、ハンドセット、デスクトップコンピュータ、ウェアラブルディスプレイシステム、ヘッドアップディスプレイシステム）のためのトランスコーディングを含む、ビデオコーデック（ＶＶＣ（Versatile Video Coding）、ＨＥＶＣ（High Efficiency Video Coding）、ＡＶＣ（Advanced Video Coding）、ＭＰＥＧ、ＶＰ９）及びオーディオコーデック（例えば、ＦＬＡＣ、ＡＡＣ（Advanced Audio Coding）、ＭＰＥＧ、Ｇ．７１１）のためのサポートを提供してもよい。また、ホストアプリケーションプログラム４１４は、ユーザ認証及びライセンスチェックを提供してもよく、コアネットワークのエッジ内に又はエッジにあるデバイスといった中央ノードへ周期的にヘルス、ルート及びコンテンツ利用可能性を報告してもよい。したがって、ホスト４００は、ＵＥのためのオーバザトップサービスのために異なるホストを選択し及び／又は指し示してもよい。ホストアプリケーションプログラム４１４は、ＨＬＳ（HTTP Live Streaming）プロトコル、ＲＴＭＰ（Real-Time Messaging Protocol）、ＲＴＳＰ（Real-Time Streaming Protocol）、ＭＰＥＧ－ＤＡＳＨ（Dynamic Adaptive Streaming over HTTP）などといった多様なプロトコルをサポートしてもよい。

図８は、いくつかの実施形態により実装される機能が仮想化され得る仮想化環境５００を示すブロック図である。本文脈において、装置又はデバイスの仮想的なバージョンを生成する仮想化手段は、仮想化ハードウェアプラットフォーム、記憶デバイス及びネットワーキングリソースを含み得る。ここで使用されるところでは、仮想化は、ここで説明される任意のデバイス又はそれらのコンポーネントへ適用されることができ、その機能性の少なくとも一部が１つ以上の仮想コンポーネントとして実装される実装例に関連する。ここで説明される機能のいくつか又は全ては、ネットワークノード、ＵＥ、コアネットワークノード又はホストとして動作するハードウェアコンピューティングデバイスといったハードウェアノードの１つ以上によりホスティングされる１つ以上の仮想環境５００内に実装される１つ以上の仮想マシン（ＶＭ）により実行される仮想コンポーネントとして実装されてよい。さらに、仮想ノードが無線接続性を要しない実施形態（例えば、コアネットワークノード又はホスト）では、当該ノードが全体として仮想化されてもよい。

アプリケーション５０２（代替的に、ソフトウェアインスタンス、仮想アプライアンス、ネットワーク機能、仮想ノード、仮想ネットワーク機能などと呼ばれてもよい）は、ここで開示した実施形態のいくつかの特徴、機能及び／又は恩恵のいくつかを実装するための仮想化環境５００において稼働する。

ハードウェア５０４は、処理回路、ハードウェアである処理回路により実行可能なソフトウェア及び／若しくは命令群を記憶するメモリ、並びに／又は、ネットワークインタフェースや入出力インタフェースといったここで説明した通りのハードウェアデバイスなどを含む。ソフトウェアは、処理回路により実行されて、１つ以上の仮想化レイヤ５０６（ハイパーバイザ又は仮想マシンモニタ（ＶＭＭ）としても言及される）をインスタンス化し、ＶＭ５０８ａ及びＶＭ５０８ｂ（そのうち１つ以上がまとめてＶＭ５０８として言及されてもよい）を提供し、並びに／又は、ここで説明したいくつかの実施形態との関係で説明した機能、特徴及び／若しくは恩恵のうちのいずれかを実行する。仮想化レイヤ５０６は、仮想マシン５０８にとってネットワーキングハードウェアのように見える仮想動作プラットフォームを呈示してもよい。

ＶＭ５０８は、仮想処理、仮想メモリ、仮想ネットワーキング又はインタフェース、及び仮想ストレージを含み、対応する仮想化レイヤ５０６により実行され得る。仮想アプライアンス５０２のインスタンスの様々な実施形態が、ＶＭ５０８のうちの１つ以上において実装されてよく、その実装は、様々な手法でなされてよい。ハードウェアの仮想化を、いくつかの文脈において、ネットワーク機能仮想化（ＮＦＶ）という。ＮＦＶは、データセンタ及び顧客構内機器内に位置することのできる、業界標準の大容量のサーバハードウェア、物理スイッチ及び物理ストレージへと多くのネットワーク機器のタイプを集約するために使用され得る。

ＮＦＶの文脈では、ＶＭ５０８は、物理的であって仮想化されていないマシン上であたかも実行されているかのようにプログラムを稼働させる物理マシンのソフトウェア実装であってよい。ＶＭ５０８の各々、及び当該ＶＭを実行するハードウェア５０４の部分は、当該ＶＭに専用のハードウェアであれ、及び／又は当該ＶＭにより他のＶＭと共用されるハードウェアであれ、別個の仮想ネットワークエレメントを形成する。やはりＮＦＶの文脈において、仮想ネットワーク機能は、ハードウェア５０４の最上位で１つ以上のＶＭ５０８において稼働する固有のネットワーク機能を扱うことに責任を有し、アプリケーション５０２に対応する。

ハードウェア５０４は、一般的な又は固有のコンポーネントを伴うスタンドアローンのネットワークノードにおいて実装されてもよい。ハードウェア５０４は、仮想化を介していくつかの機能を実装してもよい。代替的に、ハードウェア５０４は、多数のハードウェアノードが協働し及び管理及びオーケストレーション５１０を介して管理される（例えば、データセンタ又はＣＰＥ内のもののような）より大規模なハードウェアのクラスタの一部であってもよく、それは、とりわけアプリケーション５０２のライフサイクル管理を監督する。いくつかの実施形態において、ハードウェア５０４は、１つ以上のアンテナへ連結され得る、１つ以上の送信機及び１つ以上の受信機を各々含む、１つ以上の無線ユニットへ連結される。無線ユニットは、１つ以上の適切なネットワークインタフェースを介して他のハードウェアノードと直接的に通信してもよく、無線アクセスノード又は基地局のように仮想ノードに無線ケイパビリティを提供するために仮想コンポーネントとの組み合わせで使用されてもよい。いくつかの実施形態において、制御システム５１２の使用と共に何らかのシグナリングを提供することができ、それは代替的にハードウェアノード及び無線ユニットの間の通信のために使用されてもよい。

図９は、いくつかの実施形態に係る部分的にワイヤレスな接続上でネットワークノード６０４を介してＵＥ６０６と通信するホストコンピュータ６０２の通信図を示している。ここまでの段落において議論したＵＥ（図４のＵＥ１１２ａ及び／又は図５のＵＥ２００）、ネットワークノード（図４のネットワークノード１１０ａ及び／又は図６のネットワークノード３００）、並びにホスト（図４のホスト１１６及び／又は図７のホスト４００）の、多様な実施形態に係る例示的な実装が、これより図９を参照しながら説明されるであろう。

ホスト４００と同様に、ホスト６０２の実施形態は、通信インタフェース、処理回路、及びメモリといったハードウェアを含む。ホスト６０２は、さらに、ホスト６０２内に記憶され又はホスト６０２によりアクセス可能なソフトウェアであって、処理回路により実行可能な当該ソフトウェアをも含む。当該ソフトウェアは、ＵＥ６０６及びホストコンピュータ６０２の間に伸びるオーバザトップ（ＯＴＴ）接続６５０を介して接続しているＵＥ６０６といったリモートユーザへサービスを提供するように動作可能であり得るホストアプリケーションを含む。リモートユーザへのサービスの提供中に、ホストアプリケーションは、ＯＴＴ接続６５０を用いて送信されるユーザデータを提供し得る。

ネットワークノード６０４は、ホスト６０２及びＵＥ６０６との通信を可能にするハードウェアを含む。接続６６０は、ダイレクトであり、又は、（図４のコアネットワーク１０６のような）コアネットワーク及び／若しくは１つ以上のパブリックな、プライベートな若しくはホスティングされるネットワークといった１つ以上の他の中間ネットワークを通過し得る。例えば、中間ネットワークは、バックボーンネットワーク又はインターネットであってもよい。

ＵＥ６０６は、ＵＥ６０６内に記憶され又はＵＥ６０６によりアクセス可能なソフトウェアであって、ＵＥの処理回路により実行可能な当該ソフトウェアをも含む。当該ソフトウェアは、ホスト６０２のサポートと共に、人間の又は非人間のユーザへＵＥ６０６を介してサービスを提供するように動作可能であり得る、ウェブブラウザ又は事業者固有の"アプリ"といったクライアントアプリケーションを含む。ホスト６０２において、実行対象のホストアプリケーションは、実行対象のクライアントアプリケーションとＵＥ６０６及びホスト６０２で終端するＯＴＴ接続６５０を介して通信し得る。ユーザへのサービス提供中に、ＵＥのクライアントアプリケーションは、ホストのホストアプリケーションからリクエストデータを受信し、当該リクエストデータへの応答としてユーザデータを提供し得る。ＯＴＴ接続６５０は、リクエストデータ及びユーザデータの双方を移送し得る。ＵＥのクライアントアプリケーションは、自身がＯＴＴ接続６５０を通じてホストアプリケーションへ提供するユーザデータを生成するために、ユーザとインタラクションし得る。

ＯＴＴ接続６５０は、ホスト６０２とネットワークノード６０４との間の接続６６０を介して、及びネットワークノード６０４とＵＥ６０６との間の無線接続６７０を介して伸びており、ホスト６０２とＵＥ６０６との間の接続を提供し得る。ホスト６０２とＵＥ６０６との間のネットワークノード６０４を介する通信を、いかなる中間的なデバイス及びそれらデバイスを介するメッセージの正確なルーティングへの明示的な言及も無く例示するために、ＯＴＴ接続６５０が提供され得る接続６６０及び無線接続６７０が抽象的に描かれている。

ＯＴＴ接続６５０を介してデータを送信する一例として、ステップ６０８において、ホスト６０２はユーザデータを提供し、これはホストアプリケーションを実行することにより行われ得る。いくつかの実施形態において、ユーザデータは、特定の人間のユーザがＵＥ６０６とインタラクションすることに関連付けられる。他の実施形態において、ユーザデータは、ＵＥ６０６が明示的なヒューマンインタラクション無しでホスト６０２とデータを共有することに関連付けられる。ステップ６１０において、ホスト６０２は、ユーザデータを搬送するＵＥ６０６への送信を開始する。ホスト６０２は、ＵＥ６０６により送信されるリクエストへの応答として当該送信を開始してもよい。上記リクエストは、ＵＥ６０６とのヒューマンインタラクションにより、又はＵＥ６０６上で稼働するクライアントアプリケーションの動作により引き起こされ得る。その送信は、本開示を通じて説明される実施形態の教示に従って、ネットワークノード６０４を通過し得る。それに応じて、ステップ６１２において、ネットワークノード６０４は、本開示を通じて説明される実施形態の教示に従って、ホスト６０２が開始した上記送信において搬送されたユーザデータをＵＥ６０６へ送信する。ステップ６１４において、ＵＥ６０６は、上記送信において搬送されたユーザデータを受信し、これはホスト６０２により実行されるホストアプリケーションに関連付けられるＵＥ６０６上で実行されるクライアントアプリケーションにより行われ得る。

いくつかの例において、ＵＥ６０６がクライアントアプリケーションを実行し、それによりホスト６０２宛てのユーザデータが提供される。ユーザデータは、ホスト６０２からデータを受信したことに対するリアクション又はレスポンスにおいて提供されてもよい。それに応じて、ステップ６１６において、ＵＥ６０６がユーザデータを提供してもよく、これはクライアントアプリケーションを実行することにより行われ得る。ユーザデータの提供中に、クライアントアプリケーションは、ユーザからＵＥ６０６の入出力インタフェースを介して受け付けられるユーザ入力をさらに考慮してもよい。ユーザデータが提供された具体的なやり方に関わらず、ＵＥ６０６は、ステップ６１８において、ネットワークノード６０４を介するホスト６０２へのユーザデータの送信を開始する。ステップ６２０において、本開示を通じて説明される実施形態の教示に従って、ネットワークノード６０４は、ＵＥ６０６からユーザデータを受信し、受信したユーザデータのホスト６０２への送信を開始する。ステップ６２２において、ホスト６０２は、ＵＥ６０６により開始される上記送信において搬送されるユーザデータを受信する。

多様な実施形態の１つ以上が、ＯＴＴ接続６５０を用いてＵＥ６０６へ提供されるＯＴＴサービスの性能を改善し、無線接続６７０はその最後のセグメントを形成する。より正確には、これら実施形態の教示は、ＲＲＣによりＳＣｅｌｌを直接的にアクティブ化する遅延、及びユーザ機器の電力消費を改善し、それにより低減されたユーザの待ち時間及び長くなったバッテリ寿命といった利益を提供し得る。

例示的なシナリオにおいて、ホスト６０２により工場のステータス情報が収集され分析されてもよい。他の例として、ホスト６０２は、地図を生成する際に使用するために、ＵＥから取得したものであり得る音声及び映像データを処理してもよい。他の例として、ホスト６０２は、車両の混雑の制御（例えば、信号機の制御）を支援するためにリアルタイムデータを収集し及び分析してもよい。他の例として、ホスト６０２は、ＵＥによりアップロードされる監視映像を保存してもよい。他の例として、ホスト６０２は、ＵＥへブロードキャストし、マルチキャストし若しくはユニキャストすることのできる映像、音声、ＶＲ若しくはＡＲといったメディアコンテンツについて保存又はアクセス制御を行ってもよい。他の例として、ホスト６０２は、エネルギープライシング、発電ニーズのバランシングのためのタイムクリティカルでない電力負荷の遠隔制御、ロケーションサービス、プレゼンテーションサービス（リモートデバイスから収集されたデータからの図の編集など）、又は、データを収集し、取得し、保存し、分析し及び／若しくは送信する任意の他の機能のために使用されてもよい。

いくつかの例において、データレート、レイテンシ及び１つ以上の実施形態により改善される他の要因を監視する目的で、測定手続が提供されてもよい。測定結果の変動に応じてホスト６０２とＵＥ６０６との間のＯＴＴ接続６５０を再構成するためのオプションとしてのネットワークの機能性がさらに存在してもよい。上記測定手続及び／又はＯＴＴ接続を再構成するためのネットワーク機能性は、ホスト６０２及び／又はＵＥ６０６のソフトウェア及びハードウェアにおいて実装され得る。いくつかの実施形態において、他のデバイス内に又は他のデバイスに関連付けて、ＯＴＴ接続６５０が通過するセンサ（図示せず）が配備されてもよく、それらセンサは、上で例示した監視結果の数量の値を供給し又は他の物理量の値を供給することにより上記測定手続に参加してもよく、それらからソフトウェアにより監視対象の量が計算され又は推定され得る。ＯＴＴ接続６５０の再構成は、メッセージフォーマット、再送設定、好適なルーティングなどを含んでよく、その再構成がネットワークノード６０４の動作を直接的に変更する必要はない。そうした手続及び機能性は、当分野において既知であり又は実用されているかもしれない。ある実施形態において、測定は、ホスト６０２によるスループット、伝播時間及びレイテンシなどの測定を容易化する独自のＵＥシグナリングを包含してもよい。その測定は、ソフトウェアがＯＴＴ接続６５０を用いて具体的には空であり又は"ダミー"のメッセージであるメッセージを送信しつつ、伝播時間や誤りなどを監視する形で実装されてもよい。

図１０は、いくつかの実施形態に係るワイヤレスデバイスにおける例示的な方法を示すフローチャートである。具体的な実施形態において、図１０の１つ以上のステップは、図５に関して説明したＵＥ２００により実行され得る。ワイヤレスデバイスは、ＭＬモデルのフォールバック動作が可能である。

上記方法は、ステップ１０１２において開始し、ワイヤレスデバイス（例えば、ＵＥ２００）は、機能性についての少なくとも１つのＭＬベースの特徴と当該機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての当該ワイヤレスデバイスの能力を示すメッセージをネットワークノードへ送信する。

具体的な実施形態において、少なくとも１つのＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分はワイヤレスデバイスに位置し、他方の部分はネットワークノードに位置する。

具体的な実施形態において、少なくとも１つの予備的な特徴は、ＭＬベースの特徴と同等の機能性を充足する特徴であり、但しＭＬベースの特徴と比較して選好されない。少なくとも１つの予備的な特徴は、ＭＬベースの特徴よりも高度な能力を有する特徴であってもよく、但し予備的な特徴は選好されない。少なくとも１つの予備的な特徴は、非ＭＬベースのアルゴリズムに基づくものであってもよく、又は、他のＭＬベースのアルゴリズム（例えば、より汎用的なＭＬベースのアルゴリズム）であってもよい。予備的な特徴の他の例は、ＵＥの実施形態及び例において説明されている。

具体的な実施形態において、上記メッセージは、少なくとも１つの予備的な特徴及び少なくとも１つのＭＬベースの特徴が（例えば、それら２つの間の性能の比較のために）同時に実行され得るかを示す。

ステップ１０１４において、ワイヤレスデバイスは、少なくとも１つのＭＬベースの特徴を動作させるように当該ワイヤレスデバイスを構成する第１構成メッセージを受信し得る。具体的な実施形態において、上記方法は、さらに、少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴を同時に動作させるように当該ワイヤレスデバイスを構成する第１構成メッセージを受信すること、を含む。他の実施形態において、ワイヤレスデバイスは、少なくとも１つのＭＬベースの特徴及び／又は少なくとも１つの予備的な特徴を動作させること及び同時に動作させるべきかを自律的に判定してもよい。

ステップ１０１６において、ワイヤレスデバイスは、上記機能性についての少なくとも１つのＭＬベースの特徴を動作させる。

ステップ１０１８において、ワイヤレスデバイスは、少なくとも１つのＭＬベースの特徴を非アクティブ化し及び少なくとも１つの予備的な特徴をアクティブ化するように当該ワイヤレスデバイスを構成する第２構成メッセージを受信し得る。

他の実施形態において、ステップ１０２０で、ワイヤレスデバイスは、少なくとも１つのＭＬベースの特徴を非アクティブ化し及び少なくとも１つの予備的な特徴をアクティブ化すべきであると自律的に判定する。

ステップ１０２２において、ワイヤレスデバイスは、上記機能性についての少なくとも１つの予備的な特徴を動作させる。

図１０の方法１０００に対し、修正、追加又は省略がなされてもよい。加えて、図１０の方法における１つ以上のステップは、並列的に、又は任意の適した順序で実行されてよい。

図１１は、ある実施形態に係るネットワークノードにおける例示的な方法を示すフローチャートである。具体的な実施形態において、図１１の１つ以上のステップは、図６に関して説明したネットワークノード３００により実行され得る。ネットワークノードは、ＭＬモデルのフォールバック動作のためにワイヤレスデバイスを構成することが可能である。

上記方法は、ステップ１１１２で開始し、ネットワークノード（例えば、ネットワークノード３００）は、ワイヤレスデバイスから、機能性についての少なくとも１つのＭＬベースの特徴と当該機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての当該ワイヤレスデバイスの能力を示すメッセージを受信する。

具体的な実施形態において、少なくとも１つのＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分はワイヤレスデバイスに位置し、他方の部分はネットワークノードに位置する。

具体的な実施形態において、上記メッセージは、少なくとも１つの予備的な特徴及び少なくとも１つのＭＬベースの特徴が同時に実行され得るかを示す。

ステップ１１１４において、ネットワークノードは、少なくとも１つのＭＬベースの特徴を動作させるようにワイヤレスデバイスを構成する構成メッセージを上記ワイヤレスデバイスへ送信し得る。具体的な実施形態において、上記方法は、さらに、少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴を同時に動作させるように当該ワイヤレスデバイスを構成する構成メッセージを送信すること（１１１４）、を含む。

ステップ１１１６において、ネットワークノードは、少なくとも１つの予備的な特徴をアクティブ化すべきであると判定する。

ステップ１１１８において、ネットワークノードは、少なくとも１つのＭＬベースの特徴を非アクティブ化し及び少なくとも１つの予備的な特徴をアクティブ化するようにワイヤレスデバイスを構成する構成メッセージを、上記ワイヤレスデバイスへ送信する。

ステップ１１２０において、ネットワークノードは、少なくとも１つのＭＬベースの特徴のうちの当該ネットワークノードにおいて動作する部分を非アクティブ化し得る。

図１１の方法１１００に対し、修正、追加又は省略がなされてもよい。加えて、図１１の方法における１つ以上のステップは、並列的に、又は任意の適した順序で実行されてよい。

本発明の範囲から逸脱することなく、ここで開示した方法に対し修正、追加又は省略がなされてよい。方法は、より多くの、より少ない、又は他のステップを含んでもよい。追加的に、ステップはいかなる適した順序で実行されてもよい。

以上の説明は、数多くの特定の詳細を説示している。しかしながら、それら特定の詳細が無くとも実施形態を実践し得ることが理解される。他の例において、よく知られた回路、構造及び技法は、その説明の理解を曖昧にしないために詳細には示されていない。当業者は、包含される説明によって、過度な実験をせずとも適切な機能性を実装することができるであろう。

本明細書における、"１つの実施形態"、"一実施形態"、"例示的な実施形態"などへの言及は、説明される実施形態が特定の特徴、構造、又は特性を含み得るものの、あらゆる実施形態が当該特定の特徴、構造、又は特性を含むわけでは必ずしもないかもしれないことを示す。そのうえ、そうしたフレーズは、必ずしも同じ実施形態を指しているわけではない。さらに、一実施形態との関係において特定の特徴、構造、又は特性が説明されている場合、明示的に記載されているか否かに関わらず、他の実施形態との関係においてそうした特徴、構造、又は特性を実装することは、当業者の知識の範囲内であることが思量される。

ある実施形態の観点で本開示を説明したものの、それら実施形態の変形及び置換えが当業者には明らかであろう。したがって、それら実施形態の上の説明は、本開示を制約しない。以下の特許請求の範囲により定義される通りの本開示の範囲から逸脱することなく、他の変更、代用及び変形が可能である。

Claims (21)

1. 機械学習（ＭＬ）モデルの予備的動作のためにワイヤレスデバイスにより実行される方法であって、
   機能性についての少なくとも１つのＭＬベースの特徴と前記機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての前記ワイヤレスデバイスの能力を示すメッセージをネットワークノードへ送信すること（１０１２）と、
   前記機能性についての前記少なくとも１つのＭＬベースの特徴を動作させること（１０１６）と、
   前記機能性についての前記少なくとも１つの予備的な特徴を動作させること（１０２２）と、を含み、
   前記メッセージは、前記少なくとも１つの予備的な特徴及び前記少なくとも１つのＭＬベースの特徴が同時に実行され得るかを示す、
   方法。
2. 請求項１に記載の方法であって、前記少なくとも１つのＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分は前記ワイヤレスデバイスに位置し、他方の部分は前記ネットワークノードに位置する、方法。
3. 請求項１に記載の方法であって、前記少なくとも１つの予備的な特徴は、前記ＭＬベースの特徴と同等の機能性を充足する特徴であり、但し前記ＭＬベースの特徴と比較して選好されない、方法。
4. 請求項１に記載の方法であって、前記少なくとも１つの予備的な特徴は、前記ＭＬベースの特徴よりも高度な能力を有する特徴であり、但し前記予備的な特徴は選好されない、方法。
5. 請求項１に記載の方法であって、前記少なくとも１つの予備的な特徴は、非ＭＬベースのアルゴリズムに基づく、方法。
6. 請求項１に記載の方法であって、前記少なくとも１つの予備的な特徴は、ＭＬベースのアルゴリズムである、方法。
7. 請求項１に記載の方法であって、さらに、前記少なくとも１つのＭＬベースの特徴を動作させるように前記ワイヤレスデバイスを構成する第１構成メッセージを受信すること（１０１４）、を含む、方法。
8. 請求項１に記載の方法であって、さらに、前記少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴を同時に動作させるように前記ワイヤレスデバイスを構成する第１構成メッセージを受信すること（１０１４）、を含む、方法。
9. 請求項１に記載の方法であって、さらに、前記少なくとも１つのＭＬベースの特徴を非アクティブ化し及び前記少なくとも１つの予備的な特徴をアクティブ化するように前記ワイヤレスデバイスを構成する第２構成メッセージを受信すること（１０１８）、を含む、方法。
10. 請求項１に記載の方法であって、さらに、前記少なくとも１つのＭＬベースの特徴を非アクティブ化し及び前記少なくとも１つの予備的な特徴をアクティブ化すべきであると自律的に判定すること（１０２０）、を含む、方法。
11. 機械学習（ＭＬ）モデルの予備的な動作が可能なワイヤレスデバイス（２００）であって、前記ワイヤレスデバイスは処理回路（２０２）を備え、前記処理回路は、
    機能性についての少なくとも１つのＭＬベースの特徴と前記機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての前記ワイヤレスデバイスの能力を示すメッセージをネットワークノードへ送信することと、
    前記機能性についての前記少なくとも１つのＭＬベースの特徴を動作させることと、
    前記機能性についての前記少なくとも１つの予備的な特徴を動作させることと、
    を行うように動作可能であり、
    前記メッセージは、前記少なくとも１つの予備的な特徴及び前記少なくとも１つのＭＬベースの特徴が同時に実行され得るかを示す、
    ワイヤレスデバイス。
12. 機械学習（ＭＬ）モデルの予備的動作のためにワイヤレスデバイスを構成するためのネットワークノードにより実行される方法であって、
    ワイヤレスデバイスから、機能性についての少なくとも１つのＭＬベースの特徴と前記機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての前記ワイヤレスデバイスの能力を示すメッセージを受信すること（１１１２）と、
    前記少なくとも１つの予備的な特徴をアクティブ化すべきであると判定すること（１１１６）と、
    前記少なくとも１つのＭＬベースの特徴を非アクティブ化し及び前記少なくとも１つの予備的な特徴をアクティブ化するように前記ワイヤレスデバイスを構成する構成メッセージを前記ワイヤレスデバイスへ送信すること（１１１８）と、を含み、
    前記メッセージは、前記少なくとも１つの予備的な特徴及び前記少なくとも１つのＭＬベースの特徴が同時に実行され得るかを示す、
    方法。
13. 請求項１２に記載の方法であって、前記少なくとも１つのＭＬベースの特徴は、２つの部分へ分けられる１つのＭＬモデルに基づいており、一方の部分は前記ワイヤレスデバイスに位置し、他方の部分は前記ネットワークノードに位置する、方法。
14. 請求項１２に記載の方法であって、前記少なくとも１つの予備的な特徴は、前記ＭＬベースの特徴と同等の機能性を充足する特徴であり、但し前記ＭＬベースの特徴と比較して選好されない、方法。
15. 請求項１２に記載の方法であって、前記少なくとも１つの予備的な特徴は、前記ＭＬベースの特徴よりも高度な能力を有する特徴であり、但し前記予備的な特徴は選好されない、方法。
16. 請求項１２に記載の方法であって、前記少なくとも１つの予備的な特徴は、非ＭＬベースのアルゴリズムに基づく、方法。
17. 請求項１２に記載の方法であって、前記少なくとも１つの予備的な特徴は、ＭＬベースのアルゴリズムである、方法。
18. 請求項１２に記載の方法であって、さらに、前記少なくとも１つのＭＬベースの特徴を動作させるように前記ワイヤレスデバイスを構成する構成メッセージを前記ワイヤレスデバイスへ送信すること（１１１４）、を含む、方法。
19. 請求項１２に記載の方法であって、さらに、前記少なくとも１つのＭＬベースの特徴及び少なくとも１つの予備的な特徴を同時に動作させるように前記ワイヤレスデバイスを構成する構成メッセージを送信すること（１１１４）、を含む、方法。
20. 請求項１２に記載の方法であって、さらに、前記少なくとも１つのＭＬベースの特徴のうちの前記ネットワークノードにおいて動作する部分を非アクティブ化すること（１１２０）、を含む、方法。
21. 複数の機械学習（ＭＬ）モデルの並列的な動作のためにワイヤレスデバイス（２００）を構成可能なネットワークノード（３００）であって、前記ネットワークノードは処理回路（３０２）を備え、前記処理回路は、
    ワイヤレスデバイスから、機能性についての少なくとも１つのＭＬベースの特徴と前記機能性についての少なくとも１つの予備的な特徴との組合せをサポートすることについての前記ワイヤレスデバイスの能力を示すメッセージを受信することと、
    前記少なくとも１つのＭＬベースの特徴の性能劣化を検出することと、
    前記少なくとも１つのＭＬベースの特徴を非アクティブ化し及び前記少なくとも１つの予備的な特徴をアクティブ化するように前記ワイヤレスデバイスを構成する構成メッセージを前記ワイヤレスデバイスへ送信することと、
    を行うように動作可能であり、
    前記メッセージは、前記少なくとも１つの予備的な特徴及び前記少なくとも１つのＭＬベースの特徴が同時に実行され得るかを示す、
    ネットワークノード。