KR20240004387A - Ai/ml에 대한 ue 능력 - Google Patents
Ai/ml에 대한 ue 능력 Download PDFInfo
- Publication number
- KR20240004387A KR20240004387A KR1020237037146A KR20237037146A KR20240004387A KR 20240004387 A KR20240004387 A KR 20240004387A KR 1020237037146 A KR1020237037146 A KR 1020237037146A KR 20237037146 A KR20237037146 A KR 20237037146A KR 20240004387 A KR20240004387 A KR 20240004387A
- Authority
- KR
- South Korea
- Prior art keywords
- capability
- indication
- procedure
- capabilities
- wireless
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 191
- 238000010801 machine learning Methods 0.000 claims description 282
- 238000013473 artificial intelligence Methods 0.000 claims description 170
- 238000004891 communication Methods 0.000 claims description 87
- 230000006870 function Effects 0.000 claims description 72
- 238000007726 management method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000013139 quantization Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 25
- 238000013528 artificial neural network Methods 0.000 description 24
- 230000001413 cellular effect Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 16
- 210000002569 neuron Anatomy 0.000 description 15
- 210000004027 cell Anatomy 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 13
- 230000011664 signaling Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 10
- 239000000969 carrier Substances 0.000 description 6
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000006837 decompression Effects 0.000 description 5
- 238000012384 transportation and delivery Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
- H04W8/24—Transfer of terminal data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
- H04B7/0621—Feedback content
- H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/21—Control channels or signalling for resource management in the uplink direction of a wireless link, i.e. towards the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/20—Manipulation of established connections
- H04W76/25—Maintenance of established connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
본 개시내용은 AI/ML에 대한 UE 능력을 위해, 저장 매체 상에 인코딩된 컴퓨터 프로그램들을 포함하는 시스템들, 디바이스들, 장치들 및 방법들을 제공한다. UE는 네트워크로부터 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 수신할 수 있다. UE는 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 네트워크로 송신할 수 있다.
Description
[0001]
본 출원은 2021년 5월 5일에 출원되고 발명의 명칭이 "UE CAPABILITY FOR AI/ML"인 미국 정규 특허 출원 일련 번호 제17/308,970호에 대한 우선권을 주장하며, 이 특허 출원은 그 전체가 인용에 의해 본 명세서에 명시적으로 포함된다.
[0002]
본 개시내용은 일반적으로 통신 시스템에 관한 것이며, 보다 구체적으로는 AI(artificial intelligence) 및 ML(machine learning)에 대한 UE(user equipment) 능력에 관한 것이다.
[0003]
무선 통신 시스템들은 텔레포니, 비디오, 데이터, 메시징, 및 브로드캐스트들과 같은 다양한 원격통신 서비스들을 제공하도록 광범위하게 배치되어 있다. 통상적인 무선 통신 시스템들은 이용 가능한 시스템 리소스들을 공유함으로써 다수의 사용자들과의 통신을 지원할 수 있는 다중 액세스 기술들을 이용할 수 있다. 이러한 다중 액세스 기술들의 예들은 CDMA(code division multiple access) 시스템들, TDMA(time division multiple access) 시스템들, FDMA(frequency division multiple access) 시스템들, OFDMA(orthogonal frequency division multiple access) 시스템들, SC-FDMA(single-carrier frequency division multiple access) 시스템들, 및 TD-SCDMA(time division synchronous code division multiple access) 시스템들을 포함한다.
[0004]
이러한 다중 액세스 기술들은 상이한 무선 디바이스들이, 도시 레벨, 국가 레벨, 지역 레벨, 및 심지어 글로벌 레벨로 통신할 수 있게 하는 공통 프로토콜을 제공하기 위해 다양한 원격통신 표준들에서 채택되어 왔다. 예시적인 원격통신 표준은 5G NR(New Radio)이다. 5G NR은 레이턴시, 신뢰성, 보안, (예를 들어, IoT(Internet of Things)에 의한) 확장성 및 다른 요건들과 연관된 새로운 요건들을 충족시키기 위해, 3GPP(Third Generation Partnership Project)에 의해 공표된 연속적인 모바일 브로드밴드 에볼루션의 일부이다. 5G NR은 eMBB(enhanced mobile broadband), mMTC(massive machine type communications) 및 URLLC(ultra reliable low latency communications)와 연관된 서비스들을 포함한다. 5G NR의 일부 양상들은 4G LTE(Long Term Evolution) 표준에 기초할 수 있다. 5G NR 기술에서 추가적인 개선들에 대한 요구가 존재한다. 이러한 개선들은 또한 다른 다중 액세스 기술들 및 이러한 기술들을 이용하는 원격통신 표준들에 적용 가능할 수 있다.
[0005]
다음은 이러한 양상들의 기본적인 이해를 제공하기 위해 하나 이상의 양상들의 간략화된 요약을 제시한다. 이러한 요약은 모든 고려된 양상들의 포괄적인 개관이 아니며, 모든 양상들의 핵심적인 또는 중요한 엘리먼트들을 식별하거나 임의의 또는 모든 양상들의 범위를 서술하는 것으로 의도되지 않는다. 이러한 요약의 유일한 목적은, 이후에 제시되는 보다 상세한 설명에 대한 서론으로서 간략화된 형태로 하나 이상의 양상들의 일부 개념들을 제시하는 것이다.
[0006]
본 개시내용의 일 양상에서, 방법, 컴퓨터 판독 가능 매체 및 장치가 제공된다. 장치는 AI(artificial intelligence) 절차 또는 ML(machine learning) 절차 중 적어도 하나에 대한 UE(user equipment) 능력을 보고하도록 하는 요청을 수신할 수 있으며; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 송신할 수 있다.
[0007]
본 개시내용의 다른 양상에서, 방법, 컴퓨터 판독 가능 매체 및 장치가 제공된다. 장치는 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 송신할 수 있으며; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력의 표시를 수신할 수 있다.
[0008]
상술한 목적 및 관련된 목적의 달성을 위해서, 하나 이상의 양상들은, 이하에서 완전히 설명되고 특히 청구항들에서 언급되는 특징들을 포함한다. 다음의 설명 및 부가된 도면들은 하나 이상의 양상들의 특정한 예시적인 특징들을 상세히 기술한다. 그러나, 이러한 특징들은, 다양한 양상들의 원리들이 사용될 수 있는 다양한 방식들 중 몇몇만을 표시하는 것이며, 이 설명은 모든 이러한 양상들 및 이들의 균등물들을 포함하는 것으로 의도된다.
[0009]
도 1은 무선 통신 시스템 및 액세스 네트워크의 일 예를 예시하는 다이어그램이다.
[0010] 도 2a는 본 개시내용의 다양한 양상들에 따른, 제1 프레임의 일 예를 예시하는 다이어그램이다.
[0011] 도 2b는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내 DL(downlink) 채널들의 일 예를 예시하는 다이어그램이다.
[0012] 도 2c는 본 개시내용의 다양한 양상들에 따른, 제2 프레임의 일 예를 예시하는 다이어그램이다.
[0013] 도 2d는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내 UL(uplink) 채널들의 일 예를 예시하는 다이어그램이다.
[0014] 도 3은 액세스 네트워크에서 기지국 및 UE(user equipment)의 일 예를 예시하는 다이어그램이다.
[0015] 도 4는 뉴럴 네트워크를 포함하는 UE의 다이어그램을 예시한다.
[0016] 도 5는 UE ML(machine learning) 능력과 연관될 수 있는 능력 파라미터들을 포함하는 표를 예시한다.
[0017] 도 6은 UE와 네트워크 엔티티들 간의 통신들을 예시하는 콜 플로우 다이어그램이다.
[0018] 도 7은 UE에서의 무선 통신 방법의 흐름도이다.
[0019] 도 8은 기지국에서의 무선 통신 방법의 흐름도이다.
[0020] 도 9는 기지국에서의 무선 통신 방법의 흐름도이다.
[0021] 도 10은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시하는 다이어그램이다.
[0022] 도 11은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시하는 다이어그램이다.
[0010] 도 2a는 본 개시내용의 다양한 양상들에 따른, 제1 프레임의 일 예를 예시하는 다이어그램이다.
[0011] 도 2b는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내 DL(downlink) 채널들의 일 예를 예시하는 다이어그램이다.
[0012] 도 2c는 본 개시내용의 다양한 양상들에 따른, 제2 프레임의 일 예를 예시하는 다이어그램이다.
[0013] 도 2d는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내 UL(uplink) 채널들의 일 예를 예시하는 다이어그램이다.
[0014] 도 3은 액세스 네트워크에서 기지국 및 UE(user equipment)의 일 예를 예시하는 다이어그램이다.
[0015] 도 4는 뉴럴 네트워크를 포함하는 UE의 다이어그램을 예시한다.
[0016] 도 5는 UE ML(machine learning) 능력과 연관될 수 있는 능력 파라미터들을 포함하는 표를 예시한다.
[0017] 도 6은 UE와 네트워크 엔티티들 간의 통신들을 예시하는 콜 플로우 다이어그램이다.
[0018] 도 7은 UE에서의 무선 통신 방법의 흐름도이다.
[0019] 도 8은 기지국에서의 무선 통신 방법의 흐름도이다.
[0020] 도 9는 기지국에서의 무선 통신 방법의 흐름도이다.
[0021] 도 10은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시하는 다이어그램이다.
[0022] 도 11은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시하는 다이어그램이다.
[0023]
첨부 도면들과 관련하여 아래에 기술되는 상세한 설명은 다양한 구성들의 설명으로 의도되며, 본 명세서에서 설명되는 개념들이 실시될 수 있는 유일한 구성들을 표현하도록 의도되는 것은 아니다. 상세한 설명은 다양한 개념들의 철저한 이해를 제공할 목적으로 특정 세부사항들을 포함한다. 그러나, 이러한 특정 세부사항들 없이도 이러한 개념들이 실시될 수 있음은 당업자들에게 자명할 것이다. 일부 예들에서, 이러한 개념들을 불명료하게 하는 것을 피하기 위해, 잘 알려진 구조들 및 컴포넌트들은 블록 다이어그램 형태로 도시된다.
[0024]
이제 원격통신 시스템들의 몇몇 양상들이 다양한 장치 및 방법들을 참조하여 제시될 것이다. 이러한 장치 및 방법들은, 다양한 블록들, 컴포넌트들, 회로들, 프로세스들, 알고리즘들 등(집합적으로, "엘리먼트들"로 지칭됨)에 의해 다음의 상세한 설명에서 설명되고 첨부한 도면들에서 예시될 것이다. 이러한 엘리먼트들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 이들의 임의의 조합을 사용하여 구현될 수 있다. 이러한 엘리먼트들이 하드웨어로서 구현될지 또는 소프트웨어로서 구현될지는 특정한 애플리케이션 및 전체 시스템에 부과된 설계 제약들에 의존한다.
[0025]
예를 들면, 엘리먼트, 또는 엘리먼트의 임의의 일부, 또는 엘리먼트들의 임의의 조합은, 하나 이상의 프로세서들을 포함하는 "프로세싱 시스템"으로서 구현될 수도 있다. 프로세서들의 예들은 마이크로프로세서들, 마이크로컨트롤러들, GPU(graphics processing unit)들, CPU(central processing unit)들, 애플리케이션 프로세서들, DSP(digital signal processor)들, RISC(reduced instruction set computing) 프로세서들, SoC(systems on a chip), 베이스밴드 프로세서들, FPGA(field programmable gate array)들, PLD(programmable logic device)들, 상태 머신들, 게이팅된 로직, 이산적 하드웨어 회로들, 및 본 개시내용 전반에 걸쳐 설명되는 다양한 기능을 수행하도록 구성되는 다른 적절한 하드웨어를 포함한다. 프로세싱 시스템의 하나 이상의 프로세서들은 소프트웨어를 실행할 수 있다. 소프트웨어는 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 디스크립션 언어, 또는 다른 용어로서 지칭되는지에 관계없이, 명령어들, 명령어 세트들, 코드, 코드 세그먼트들, 프로그램 코드, 프로그램들, 서브프로그램들, 소프트웨어 컴포넌트들, 애플리케이션들, 소프트웨어 애플리케이션들, 소프트웨어 패키지들, 루틴들, 서브루틴들, 오브젝트들, 실행 가능물들, 실행 스레드들, 절차들, 함수들 등을 의미하는 것으로 광범위하게 해석되어야 한다.
[0026]
따라서, 하나 이상의 예시적인 실시예들에서, 설명되는 기능들은 하드웨어, 소프트웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 소프트웨어로 구현되면, 기능들은 컴퓨터 판독 가능 매체 상에 하나 이상의 명령어들 또는 코드로서 저장되거나 이로서 인코딩될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체를 포함한다. 저장 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체일 수 있다. 제한이 아닌 예로써, 이러한 컴퓨터 판독 가능 매체는 RAM(random-access memory), ROM(read-only memory), EEPROM(electrically erasable programmable ROM), 광학 디스크 저장소, 자기 디스크 저장소, 다른 자기 저장 디바이스들, 전술한 타입들의 컴퓨터 판독 가능 매체의 조합들, 또는 컴퓨터에 의해 액세스될 수 있는 명령어들 또는 데이터 구조들의 형태로 컴퓨터 실행 가능 코드를 저장하기 위해 사용될 수 있는 임의의 다른 매체를 포함할 수 있다.
[0027]
양상들 및 구현들이 일부 예들에 대한 예시에 의해 본 출원에서 설명되지만, 당업자들은 추가적인 구현들 및 사용 사례들이 다수의 상이한 배열들 및 시나리오들에서 발생할 수 있음을 이해할 것이다. 본 명세서에서 설명되는 혁신들은 다수의 상이한 플랫폼 타입들, 디바이스들, 시스템들, 형상들, 크기들, 패키징 배열들에 걸쳐 구현될 수 있다. 예를 들어, 구현들 및/또는 사용들은 집적 칩 구현들 및 다른 비모듈 컴포넌트 기반 디바이스들(예를 들어, 최종 사용자 디바이스들, 차량들, 통신 디바이스들, 컴퓨팅 디바이스들, 산업 장비, 소매/구매 디바이스들, 의료 디바이스들, AI(artificial intelligence) 가능 디바이스들 등)을 통해 이루어질 수 있다. 일부 예들은 구체적으로 사용 사례들 또는 애플리케이션들에 관한 것일 수 있거나 그렇지 않을 수도 있지만, 많은 종류의 설명되는 혁신들의 적용 가능성이 발생할 수 있다. 구현들은 칩 레벨 또는 모듈식 컴포넌트들로부터 비모듈식, 비-칩 레벨 구현들까지 그리고 추가로 설명된 혁신들의 하나 이상의 양상들을 통합하는 어그리게이션형, 분산형 또는 OEM(original equipment manufacturer) 디바이스들 또는 시스템들까지의 범위에 이를 수 있다. 일부 실용적인 세팅들에서, 설명된 양상들 및 특징들을 통합하는 디바이스들은 또한 청구되고 설명되는 양상의 구현 및 실시를 위한 추가적인 컴포넌트들 및 특징들을 포함할 수 있다. 예를 들어, 무선 신호들의 송신 및 수신은 필수적으로 아날로그 및 디지털 목적들로 다수의 컴포넌트들(예를 들어, 안테나, RF-체인들, 전력 증폭기들, 변조기들, 버퍼, 프로세서(들), 인터리버, 가산기들/합산기들 등을 포함하는 하드웨어 컴포넌트들)을 포함한다. 본 명세서에서 설명되는 혁신들은 변하는 크기들, 형상들 및 구성의 광범위한 디바이스들, 칩 레벨 컴포넌트들, 시스템들, 분산형 배열들, 최종 사용자 디바이스들 등에서 실시될 수 있는 것으로 의도된다.
[0028]
도 1은 무선 통신 시스템 및 액세스 네트워크(100)의 일 예를 예시하는 다이어그램이다. 무선 통신 시스템(WWAN(wireless wide area network)으로도 지칭됨)은 기지국들(102), UE(user equipment)들(104), EPC(Evolved Packet Core)(160), 및 다른 코어 네트워크(190)(예를 들어, 5GC(5G Core))를 포함한다. 기지국들(102)은 매크로셀들(고전력 셀룰러 기지국) 및/또는 소형 셀들(저전력 셀룰러 기지국)을 포함할 수 있다. 매크로셀들은 기지국들을 포함한다. 소형 셀들은 펨토셀들, 피코셀들 및 마이크로셀들을 포함한다.
[0029]
4G LTE(집합적으로 E-UTRAN(Evolved Universal Mobile Telecommunications System(UMTS) Terrestrial Radio Access Network)으로 지칭됨)를 위해 구성된 기지국들(102)은 제1 백홀 링크들(132)(예를 들어, S1 인터페이스)을 통해 EPC(160)와 인터페이싱할 수 있다. 5G NR(집합적으로 NG-RAN(Next Generation RAN)으로 지칭됨)을 위해 구성된 기지국들(102)은 제2 백홀 링크들(184)을 통해 코어 네트워크(190)와 인터페이싱할 수 있다. 다른 기능들에 추가로, 기지국들(102)은 다음과 같은 기능들, 즉, 사용자 데이터의 전송, 라디오 채널 암호화 및 암호해독, 무결성 보호, 헤더 압축, 이동성 제어 기능들(예를 들어, 핸드오버, 듀얼 연결), 셀간 간섭 조정, 연결 셋업 및 해제, 로드 밸런싱, NAS(non-access stratum) 메시지들에 대한 분배, NAS 노드 선택, 동기화, RAN(radio access network) 공유, MBMS(multimedia broadcast multicast service), 가입자 및 장비 트레이스, RIM(RAN information management), 페이징, 포지셔닝 및 경고 메시지들의 전달 중 하나 이상을 수행할 수 있다. 기지국들(102)은 제3 백홀 링크들(134)(예를 들어, X2 인터페이스)을 통해 서로 간접적으로(예를 들어, EPC(160) 또는 코어 네트워크(190)를 통해) 또는 직접적으로 통신할 수 있다. 제1 백홀 링크들(132), 제2 백홀 링크들(184) 및 제3 백홀 링크들(134)은 유선 또는 무선일 수 있다.
[0030]
기지국들(102)은 UE들(104)과 무선으로 통신할 수 있다. 기지국들(102) 각각은 개개의 지리적 커버리지 영역(110)에 대한 통신 커버리지를 제공할 수 있다. 중첩하는 지리적 커버리지 영역들(110)이 존재할 수 있다. 예를 들어, 소형 셀(102')은 하나 이상의 매크로 기지국들(102)의 커버리지 영역(110)과 중첩하는 커버리지 영역(110')을 가질 수 있다. 소형 셀 및 매크로셀들 둘 모두를 포함하는 네트워크는 이종 네트워크로 공지될 수 있다. 이종 네트워크는 또한, CSG(closed subscriber group)로 공지된 제한된 그룹에 서비스를 제공할 수 있는 HeNB(Home eNB(Evolved Node B))들을 포함할 수 있다. 기지국들(102)과 UE들(104) 사이의 통신 링크들(120)은 UE(104)로부터 기지국(102)으로의 UL(uplink)(역방향 링크로도 지칭됨) 송신들 및/또는 기지국(102)으로부터 UE(104)로의 DL(downlink)(순방향 링크로도 지칭됨) 송신들을 포함할 수 있다. 통신 링크들(120)은 공간 멀티플렉싱, 빔포밍 및/또는 송신 다이버시티를 포함하는 MIMO(multiple-input and multiple-output) 안테나 기술을 사용할 수 있다. 통신 링크들은 하나 이상의 캐리어들을 통해 이루어질 수 있다. 기지국들(102)/UE들(104)은 각각의 방향에서 송신을 위해 사용되는 총 Yx MHz(x 컴포넌트 캐리어들)까지의 캐리어 어그리게이션에서 할당되는 캐리어당 Y MHz(예를 들어, 5, 10, 15, 20, 100, 400 MHz 등) 대역폭까지 스펙트럼을 사용할 수 있다. 캐리어들은 서로 인접할 수 있거나 인접하지 않을 수 있다. 캐리어들의 할당은 DL 및 UL에 대해 비대칭일 수 있다(예를 들어, 더 많거나 더 적은 캐리어들이 UL보다 DL에 대해 할당될 수 있음). 컴포넌트 캐리어들은 프라이머리 컴포넌트 캐리어 및 하나 이상의 세컨더리 컴포넌트 캐리어들을 포함할 수 있다. 프라이머리 컴포넌트 캐리어는 프라이머리 셀(PCell)로 지칭될 수 있으며, 세컨더리 컴포넌트 캐리어는 세컨더리 셀(SCell)로 지칭될 수 있다.
[0031]
특정 UE들(104)은 D2D(device-to-device) 통신 링크(158)를 사용하여 서로 통신할 수 있다. D2D 통신 링크(158)는 DL/UL WWAN 스펙트럼을 사용할 수 있다. D2D 통신 링크(158)는 하나 이상의 사이드링크(sidelink) 채널들, 예를 들어, PSBCH(physical sidelink broadcast channel), PSDCH(physical sidelink discovery channel), PSSCH(physical sidelink shared channel), 및 PSCCH(physical sidelink control channel)를 사용할 수 있다. D2D 통신은 IEEE(Institute of Electrical and Electronics Engineers) 802.11 표준, LTE, 또는 NR에 기초하여, 예를 들어, FlashLinQ, WiMedia, Bluetooth, ZigBee, Wi-Fi와 같은 다양한 무선 D2D 통신 시스템들을 통해 이루어질 수 있다.
[0032]
무선 통신 시스템은 예를 들어, 5 GHz의 비면허 주파수 스펙트럼 등에서 통신 링크들(154)을 통해 Wi-Fi 스테이션(STA)들(152)과 통신하는 Wi-Fi AP(access point)(150)를 더 포함할 수 있다. 비면허 주파수 스펙트럼에서 통신하는 경우, STA들(152)/AP(150)는, 채널이 이용 가능한지 여부를 결정하기 위해 통신하기 전에 CCA(clear channel assessment)를 수행할 수 있다.
[0033]
소형 셀(102')은 면허 및/또는 비면허 주파수 스펙트럼에서 동작할 수 있다. 비면허 주파수 스펙트럼에서 동작하는 경우, 소형 셀(102')은 NR을 이용할 수 있으며 Wi-Fi AP(150)에 의해 사용되는 것과 동일한 비면허 주파수 스펙트럼(예를 들어, 5 GHz 등)을 사용할 수 있다. 비면허 주파수 스펙트럼에서 NR을 이용하는 소형 셀(102')은, 액세스 네트워크에 대한 커버리지를 부스팅하고 그리고/또는 용량을 증가시킬 수 있다.
[0034]
전자기 스펙트럼은 종종 주파수/파장에 기초하여, 다양한 클래스들, 대역들, 채널들 등으로 세분화된다. 5G NR에서는, 2개의 초기 동작 대역들이 주파수 범위 지정들 FR1(410 MHz - 7.125 GHz) 및 FR2(24.25 GHz - 52.6 GHz)로서 식별되었다. FR1의 일부가 6 GHz를 초과하지만, FR1은 종종 다양한 문헌들 및 논문들에서 "서브-6 GHz" 대역으로서 (상호 교환적으로) 지칭된다. "밀리미터파" 대역으로서 ITU(International Telecommunications Union)에 의해 식별되는 EHF(extremely high frequency) 대역(30 GHz - 300 GHz)과 상이함에도 불구하고, 문헌들 및 논문들에서 "밀리미터파" 대역으로서 종종 (상호 교환적으로) 지칭되는 FR2와 관련하여 유사한 명명법 문제가 때때로 발생한다.
[0035]
FR1과 FR2 사이의 주파수들은 종종 중간 대역 주파수로 지칭된다. 최근의 5G NR 연구들은 이러한 중간 대역 주파수들에 대한 동작 대역을 주파수 범위 지정 FR3(7.125 GHz - 24.25 GHz)으로서 식별하였다. FR3 내에 속하는 주파수 대역들은 FR1 특성들 및/또는 FR2 특성들을 계승할 수 있으며, 따라서 FR1 및/또는 FR2의 특징들을 중간 대역 주파수들로 효과적으로 확장할 수 있다. 또한, 5G NR 동작을 52.6 GHz를 넘어 확장시키기 위해 더 높은 주파수 대역들이 현재 조사되고 있다. 예를 들어, 3개의 더 높은 동작 대역들이 주파수 범위 지정들 FR4a 또는 FR4-1(52.6 GHz - 71 GHz), FR4(52.6 GHz - 114.25 GHz), 및 FR5(114.25 GHz - 300 GHz)로서 식별되었다. 이러한 더 높은 주파수 대역들 각각은 EHF 대역 내에 속한다.
[0036]
위의 양상들을 고려할 때, 구체적으로 달리 언급되지 않는 한, "서브-6 GHz" 등이라는 용어는 본 명세서에서 사용될 경우, 6GHz 미만일 수 있거나, FR1 내에 있을 수 있거나, 또는 중간 대역 주파수들을 포함할 수 있는 주파수들을 광범위하게 나타낼 수 있다는 것이 이해되어야 한다. 또한, 구체적으로 달리 언급되지 않는 한, "밀리미터파" 등이라는 용어는 본 명세서에서 사용될 경우, 중간 대역 주파수들을 포함할 수 있는 주파수들을 광범위하게 표현할 수 있거나, FR2, FR4, FR4-a 또는 FR4-1, 및/또는 FR5 내에 있을 수 있거나, EHF 대역 내에 있을 수 있다는 것이 이해되어야 한다.
[0037]
기지국(102)은, 소형 셀(102')이든 또는 대형 셀(예를 들어, 매크로 기지국)이든, eNB, gNodeB(gNB) 또는 다른 타입의 기지국을 포함할 수 있고 그리고/또는 그것으로 지칭될 수 있다. 일부 기지국들, 예를 들어, gNB(180)는 UE(104)와의 통신에서 종래의 서브(sub) 6 GHz 스펙트럼, 밀리미터파(millimeter wave) 주파수들 및/또는 니어 밀리미터파(near millimeter wave) 주파수들에서 동작할 수 있다. gNB(180)가 밀리미터파 또는 니어 밀리미터파 주파수들에서 동작하는 경우, gNB(180)는 밀리미터파 기지국으로 지칭될 수 있다. 밀리미터파 기지국(180)은 경로 손실 및 짧은 범위를 보상하기 위해 UE(104)와의 빔포밍(182)을 활용할 수 있다. 기지국(180) 및 UE(104) 각각은 빔포밍을 용이하게 하기 위해 안테나 소자(element)들, 안테나 패널들 및/또는 안테나 어레이들과 같은 복수의 안테나들을 포함할 수 있다.
[0038]
기지국(180)은 하나 이상의 송신 방향들(182')에서 UE(104)에게 빔포밍된 신호를 송신할 수 있다. UE(104)는 하나 이상의 수신 방향들(182")에서 기지국(180)으로부터 빔포밍된 신호를 수신할 수 있다. UE(104)는 또한 하나 이상의 송신 방향들에서 기지국(180)에게 빔포밍된 신호를 송신할 수 있다. 기지국(180)은 하나 이상의 수신 방향들에서 UE(104)로부터 빔포밍된 신호를 수신할 수 있다. 기지국(180)/UE(104)는 기지국(180)/UE(104) 각각에 대한 최상의 수신 및 송신 방향들을 결정하기 위해 빔 트레이닝을 수행할 수 있다. 기지국(180)에 대한 송신 및 수신 방향들은 동일할 수 있거나 동일하지 않을 수 있다. UE(104)에 대한 송신 및 수신 방향들은 동일할 수 있거나 동일하지 않을 수 있다.
[0039]
EPC(160)는 MME(Mobility Management Entity)(162), 다른 MME들(164), 서빙 게이트웨이(166), MBMS(Multimedia Broadcast Multicast Service) 게이트웨이(168), BM-SC(Broadcast Multicast Service Center)(170) 및 PDN(Packet Data Network) 게이트웨이(172)를 포함할 수 있다. MME(162)는 HSS(Home Subscriber Server)(174)와 통신할 수 있다. MME(162)는 UE들(104)과 EPC(160) 사이의 시그널링을 프로세싱하는 제어 노드이다. 일반적으로, MME(162)는 베어러(bearer) 및 연결 관리를 제공한다. 모든 사용자 IP(Internet protocol) 패킷들은, 자체로 PDN 게이트웨이(172)에 연결된 서빙 게이트웨이(166)를 통해 전송된다. PDN 게이트웨이(172)는 UE IP 어드레스 할당뿐만 아니라 다른 기능들을 제공한다. PDN 게이트웨이(172) 및 BM-SC(170)는 IP 서비스들(176)에 연결된다. IP 서비스들(176)은 인터넷, 인트라넷, IMS(IP Multimedia Subsystem), PS 스트리밍 서비스 및/또는 다른 IP 서비스들을 포함할 수 있다. BM-SC(170)는 MBMS 사용자 서비스 프로비저닝 및 전달을 위한 기능들을 제공할 수 있다. BM-SC(170)는 콘텐츠 제공자 MBMS 송신을 위한 엔트리 포인트로서의 역할을 할 수 있고, PLMN(public land mobile network) 내의 MBMS 베어러 서비스들을 인가 및 개시하기 위해 사용될 수 있으며, MBMS 송신들을 스케줄링하기 위해 사용될 수 있다. MBMS 게이트웨이(168)는 특정 서비스를 브로드캐스트하는 MBSFN(Multicast Broadcast Single Frequency Network) 영역에 속하는 기지국들(102)에게 MBMS 트래픽을 분배하기 위해 사용될 수 있으며, 세션 관리(시작/중단) 및 eMBMS 관련 과금 정보를 수집하는 것을 담당할 수 있다.
[0040]
코어 네트워크(190)는 AMF(Access and Mobility Management Function)(192), 다른 AMF들(193), SMF(Session Management Function)(194), 및 UPF(User Plane Function)(195)를 포함할 수 있다. AMF(192)는 UDM(Unified Data Management)(196)과 통신할 수 있다. AMF(192)는 UE들(104)과 코어 네트워크(190) 사이의 시그널링을 프로세싱하는 제어 노드이다. 일반적으로, AMF(192)는 QoS 흐름 및 세션 관리를 제공한다. 모든 사용자 IP(Internet protocol) 패킷들은 UPF(195)를 통해 전송된다. UPF(195)는 UE IP 어드레스 할당뿐만 아니라 다른 기능들을 제공한다. UPF(195)는 IP 서비스들(197)에 연결된다. IP 서비스들(197)은 인터넷, 인트라넷, IMS(IP Multimedia Subsystem), PSS(Packet Switch(PS) Streaming) 서비스 및/또는 다른 IP 서비스들을 포함할 수 있다.
[0041]
기지국은 gNB, 노드 B, eNB, 액세스 포인트, 베이스 트랜시버 스테이션, 라디오 기지국, 라디오 트랜시버, 트랜시버 기능부, BSS(basic service set), ESS(extended service set), TRP(transmit reception point), 또는 일부 다른 적절한 용어를 포함할 수 있고 그리고/또는 그것으로 지칭될 수 있다. 기지국(102)은 UE(104)에 대해 EPC(160) 또는 코어 네트워크(190)로의 액세스 포인트를 제공한다. UE들(104)들의 예들은 셀룰러 폰, 스마트 폰, SIP(session initiation protocol) 폰, 랩탑, PDA(personal digital assistant), 위성 라디오, 글로벌 포지셔닝 시스템, 멀티미디어 디바이스, 비디오 디바이스, 디지털 오디오 플레이어(예를 들어, MP3 플레이어), 카메라, 게임 콘솔, 태블릿, 스마트 디바이스, 웨어러블 디바이스, 차량, 전기 미터기, 가스 펌프, 대형 또는 소형 주방 기기, 헬스케어 디바이스, 임플란트, 센서/액추에이터, 디스플레이, 또는 임의의 다른 유사한 기능 디바이스를 포함한다. UE들(104) 중 일부는 IoT 디바이스들(예를 들어, 주차 미터기, 가스 펌프, 토스터, 차량들, 심장 모니터 등)로 지칭될 수 있다. UE(104)는 또한 스테이션, 이동국, 가입자국, 이동 유닛, 가입자 유닛, 무선 유닛, 원격 유닛, 이동 디바이스, 무선 디바이스, 무선 통신 디바이스, 원격 디바이스, 이동 가입자국, 액세스 단말, 이동 단말, 무선 단말, 원격 단말, 핸드셋, 사용자 에이전트, 이동 클라이언트, 클라이언트, 또는 일부 다른 적절한 전문 용어로 지칭될 수 있다.
[0042]
다시 도 1을 참조하면, 특정 양상들에서, 기지국(180)은 AI 절차 또는 ML(machine learning) 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 송신하며; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 표시를 수신하도록 구성되는 UE 능력 요청자 컴포넌트(199)를 포함할 수 있다. 특정 양상들에서, UE(104)는 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 수신하며; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 송신하도록 구성되는 UE 능력 표시자 컴포넌트(198)를 포함할 수 있다. 아래의 설명이 5G NR에 초점이 맞춰질 수 있지만, 본 명세서에서 설명되는 개념들은 다른 유사한 영역들, 예를 들어, LTE, LTE-A, CDMA, GSM, 및 다른 무선 기술들에 적용 가능할 수 있다.
[0043]
도 2a는 5G NR 프레임 구조 내의 제1 서브프레임의 일 예를 예시하는 다이어그램(200)이다. 도 2b는 5G NR 서브프레임 내의 DL 채널들의 일 예를 예시하는 다이어그램(230)이다. 도 2c는 5G NR 프레임 구조 내의 제2 서브프레임의 일 예를 예시하는 다이어그램(250)이다. 도 2d는 5G 서브프레임 내의 UL 채널들의 일 예를 예시하는 다이어그램(280)이다. 5G NR 프레임 구조는 특정 세트의 서브캐리어들(캐리어 시스템 대역폭)에 대해, 해당 세트의 서브캐리어들 내의 서브프레임들이 DL 또는 UL에 대해 전용되는 FDD(frequency division duplexed)일 수 있거나, 또는 특정 세트의 서브캐리어들(캐리어 시스템 대역폭)에 대해, 해당 세트의 서브캐리어들 내의 서브프레임들이 DL 및 UL 둘 모두에 대해 전용되는 TDD(time division duplexed)일 수 있다. 도 2a, 도 2c에 의해 제공되는 예들에서, 5G NR 프레임 구조는 TDD인 것으로 가정되며, 여기서 서브프레임 4는 슬롯 포맷 28(주로 DL)로 구성되고, D는 DL이고, U는 UL이고, F는 DL/UL 사이에서의 사용을 위해 플렉시블하며, 서브프레임 3은 슬롯 포맷 1(모두 UL)로 구성된다. 서브프레임들 3, 4가 각각 슬롯 포맷들 1, 28로 도시되어 있지만, 임의의 특정 서브프레임은 다양한 가용 슬롯 포맷들 0-61 중 임의의 것으로 구성될 수 있다. 슬롯 포맷들 0, 1은 각각 모든 DL, UL이다. 다른 슬롯 포맷들 2-61은 DL, UL 및 플렉시블 심볼들의 혼합을 포함한다. UE들은 수신된 SFI(slot format indicator)를 통해(DCI(DL control information)를 통해 동적으로, 또는 RRC(radio resource control) 시그널링을 통해 반정적으로(semi-statically)/정적으로) 슬롯 포맷을 구성받는다. 아래의 설명은 TDD인 5G NR 프레임 구조에 또한 적용됨에 유의한다.
[0044]
도 2a 내지 도 2d는 프레임 구조를 예시한 것이며, 본 개시내용의 양상들은 상이한 프레임 구조 및/또는 상이한 채널들을 가질 수 있는, 다른 무선 통신 기술들에 적용 가능할 수 있다. 프레임(10 ms)은 10개의 동등한 크기의 서브프레임들(1 ms)로 분할될 수 있다. 각각의 서브프레임은 하나 이상의 시간 슬롯들을 포함할 수 있다. 서브프레임들은 또한 7개, 4개 또는 2개의 심볼들을 포함할 수 있는, 미니 슬롯들을 포함할 수 있다. 각각의 슬롯은 CP(cyclic prefix)가 일반형인지 확장형인지 여부에 따라 14개 또는 12개의 심볼들을 포함할 수 있다. 일반형 CP의 경우, 각각의 슬롯은 14개의 심볼들을 포함할 수 있고, 확장형 CP의 경우, 각각의 슬롯은 12개의 심볼들을 포함할 수 있다. DL 상의 심볼들은 CP-OFDM(CP orthogonal frequency division multiplexing(OFDM)) 심볼들일 수 있다. UL 상의 심볼들은 CP-OFDM 심볼들(높은 스루풋 시나리오들의 경우)이거나 또는 DFT-s-OFDM(DFT(discrete Fourier transform) spread OFDM) 심볼들(SC-FDMA(single carrier frequency-division multiple access) 심볼들로도 지칭됨)(전력 제한된 시나리오들의 경우; 단일 스트림 송신으로 제한됨)일 수 있다. 서브프레임 내의 슬롯들의 수는 CP 및 뉴머롤로지에 기초한다. 뉴머롤로지는 SCS(subcarrier spacing)를 정의하며, 실질적으로, 1/SCS와 동일한 심볼 길이/듀레이션을 정의한다.
[0045]
일반형 CP(14개의 심볼들/슬롯)의 경우, 서로 다른 뉴머롤로지들 μ 0 내지 4가 서브프레임당 각각 1개, 2개, 4개, 8개 및 16개 슬롯들을 허용한다. 확장형 CP의 경우, 뉴머롤로지 2가 서브프레임당 4개의 슬롯들을 허용한다. 따라서, 일반형 CP 및 뉴머롤로지 μ의 경우, 14개의 심볼들/슬롯과 2μ 슬롯들/서브프레임이 존재한다. 서브캐리어 간격은 2μ*15 kHz과 동일할 수 있으며, 여기서 μ는 뉴머롤로지 0 내지 4이다. 따라서, 뉴머롤로지 μ=0은 15 kHz의 서브캐리어 간격을 갖고, 뉴머롤로지 μ=4는 240 kHz의 서브캐리어 간격을 갖는다. 심볼 길이/듀레이션은 서브캐리어 간격과 역의 관계를 갖는다. 도 2a 내지 도 2d는 슬롯당 14개의 심볼들을 갖는 일반형 CP 및 서브프레임당 4개의 슬롯들을 갖는 뉴머롤로지 μ=2의 일 예를 제공한다. 슬롯 듀레이션은 0.25 ms이고, 서브캐리어 간격은 60 kHz이며, 심볼 듀레이션은 약 16.67 ㎲이다. 일 세트의 프레임들 내에는, 주파수 분할 다중화되는 하나 이상의 상이한 대역폭 부분(BWP)들(도 2b 참조)이 있을 수 있다. 각각의 BWP는 특정 뉴머롤로지 및 CP(일반형 또는 확장형)를 가질 수 있다.
[0046]
리소스 그리드(resource grid)가 프레임 구조를 표현하기 위해 사용될 수 있다. 각각의 시간 슬롯은 12개의 연속적인 서브캐리어들로 확장되는 RB(resource block)(PRB(physical RB)들로도 지칭됨)를 포함한다. 리소스 그리드는 다수의 RE(resource element)들로 분할된다. 각각의 RE에 의해 전달되는 비트들의 수는 변조 방식에 의존한다.
[0047]
도 2a에 예시된 바와 같이, RE들 중 일부는 UE에 대한 기준(파일럿) 신호(RS)들을 전달한다. RS는 UE에서의 채널 추정을 위한 DM-RS(demodulation RS)(하나의 특정 구성에 대해 R로 표시지만, 다른 DM-RS 구성들이 가능함) 및 CSI-RS(channel state information reference signal)들을 포함할 수 있다. RS는 또한 BRS(beam measurement RS), BRRS(beam refinement RS), 및 PT-RS(phase tracking RS)를 포함할 수 있다.
[0048]
도 2b는 프레임의 서브프레임 내의 다양한 DL 채널들의 일 예를 예시한다. PDCCH(Physical Downlink Control Channel)는 하나 이상의 CCE(Control Channel Element)(예를 들어, 1개, 2개, 4개, 8개 또는 16개 CCE)들 내에서 DCI를 전달하고, 각각의 CCE는 6개의 RE 그룹(REG)들을 포함하며, 각각의 REG는 RB의 OFDM 심볼에 12개의 연속적인 RE들을 포함한다. 하나의 BWP 내의 PDCCH는 CORESET(control resource set)으로 지칭될 수 있다. UE는 CORESET 상의 PDCCH 모니터링 기회(occasion)들 동안에 PDCCH 탐색 공간(예를 들어, 공통 탐색 공간, UE 특정 탐색 공간)에서 PDCCH 후보들을 모니터링하도록 구성되며, 여기서 PDCCH 후보들은 상이한 DCI 포맷들 및 상이한 어그리게이션 레벨들을 갖는다. 추가적인 BWP들은 채널 대역폭에 걸쳐 더 큰 및/또는 더 낮은 주파수들에 위치될 수 있다. PSS(primary synchronization signal)는 프레임의 특정 서브프레임들의 심볼 2 내에 있을 수 있다. PSS는 서브프레임/심볼 타이밍 및 물리 계층 아이덴티티를 결정하기 위해 UE(104)에 의해 사용된다. SSS(secondary synchronization signal)는 프레임의 특정 서브프레임들의 심볼 4 내에 있을 수 있다. SSS는 물리 계층 셀 아이덴티티 그룹 번호 및 라디오 프레임 타이밍을 결정하기 위해 UE에 의해 사용된다. 물리 계층 아이덴티티 및 물리 계층 셀 아이덴티티 그룹 번호에 기초하여, UE는 PCI(physical cell identifier)를 결정할 수 있다. PCI에 기초하여, UE는 DM-RS의 위치들을 결정할 수 있다. 마스터 정보 블록(master information block)을 전달하는 PBCH(physical broadcast channel)는 PSS 및 SSS와 논리적으로 그룹핑되어 SS(synchronization signal)/PBCH 블록(SSB(SS block)로도 지칭됨)을 형성할 수 있다. MIB는 시스템 대역폭 내의 RB들의 수, 및 SFN(system frame number)을 제공한다. PDSCH(physical downlink shared channel)는 사용자 데이터, SIB들(system information blocks)과 같은 PBCH를 통해 송신되지 않는 브로드캐스트 시스템 정보 및 페이징 메시지들을 전달한다.
[0049]
도 2c에 예시된 바와 같이, RE들 중 일부는 기지국에서의 채널 추정을 위한 DM-RS(하나의 특정 구성에 대해 R로 표시되지만, 다른 DM-RS 구성들이 가능함)를 전달한다. UE는 PUCCH(physical uplink control channel)에 대한 DM-RS 및 PUSCH(physical uplink shared channel)에 대한 DM-RS를 송신할 수 있다. PUSCH DM-RS는 PUSCH의 처음 하나 또는 2개의 심볼들에서 송신될 수 있다. PUCCH DM-RS는 짧은 PUCCH들이 송신되는지 또는 긴 PUCCH들이 송신되는지 여부에 따라 그리고 사용된 특정 PUCCH 포맷에 따라 상이한 구성들에서 송신될 수 있다. UE는 SRS(Sounding Reference Signal)를 송신할 수 있다. SRS는 서브프레임의 마지막 심볼에서 송신될 수 있다. SRS는 콤(comb) 구조를 가질 수 있으며, UE는 콤들 중 하나 상에서 SRS를 송신할 수 있다. SRS는 UL 상에서의 주파수 의존적 스케줄링을 가능하게 하기 위한 채널 품질 추정을 위해 기지국에 의해 사용될 수 있다.
[0050]
도 2d는 프레임의 서브프레임 내의 다양한 UL 채널들의 일 예를 예시한다. PUCCH는 일 구성에서 표시된 바와 같이 위치될 수 있다. PUCCH는 스케줄링 요청들, CQI(channel quality indicator), PMI(precoding matrix indicator), RI(rank indicator), 및 HARQ(hybrid automatic repeat request) ACK(acknowledgment)(HARQ-ACK) 피드백(즉, 하나 이상의 ACK 및/또는 NACK(negative ACK)를 표시하는 하나 이상의 HARQ ACK 비트들)과 같은 UCI(uplink control information)를 전달한다. PUSCH는 데이터를 전달하며, 추가적으로 BSR(buffer status report), PHR(power headroom report) 및/또는 UCI를 전달하기 위해 사용될 수 있다.
[0051]
도 3은 액세스 네트워크에서 UE(350)와 통신하는 기지국(310)의 블록 다이어그램이다. DL에서는, EPC(160)로부터의 IP 패킷들이 컨트롤러/프로세서(375)에 제공될 수 있다. 컨트롤러/프로세서(375)는 계층 3 및 계층 2 기능을 구현한다. 계층 3은 RRC(radio resource control) 계층을 포함하고, 계층 2는 SDAP(service data adaptation protocol) 계층, PDCP(packet data convergence protocol) 계층, RLC(radio link control) 계층 및 MAC(medium access control) 계층을 포함한다. 컨트롤러/프로세서(375)는 시스템 정보(예를 들어, MIB, SIB들)의 브로드캐스트, RRC 연결 제어(예를 들어, RRC 연결 페이징, RRC 연결 확립, RRC 연결 수정 및 RRC 연결 해제), RAT(radio access technology)간 이동성, 및 UE 측정 보고를 위한 측정 구성과 연관된 RRC 계층 기능; 헤더 압축/압축해제, 보안(암호화, 암호해독, 무결성 보호, 무결성 검증) 및 핸드오버 지원 기능들과 연관된 PDCP 계층 기능; 상위 계층 PDU(packet data unit)들의 전송, ARQ를 통한 에러 정정, RLC SDU(service data unit)들의 연접, 세그먼트화 및 리어셈블리, RLC 데이터 PDU들의 리세그먼트화, 및 RLC 데이터 PDU들의 재순서화와 연관된 RLC 계층 기능; 및 로직 채널들과 전송 채널들 사이의 매핑, TB(transport block)들 상으로의 MAC SDU들의 멀티플렉싱, TB들로부터 MAC SDU들의 디멀티플렉싱, 스케줄링 정보 보고, HARQ를 통한 에러 정정, 우선 순위 핸들링 및 로직 채널 우선 순위화와 연관된 MAC 계층 기능을 제공한다.
[0052]
송신(TX) 프로세서(316) 및 수신(RX) 프로세서(370)는 다양한 신호 프로세싱 기능들과 연관된 계층 1 기능을 구현한다. 물리(PHY) 계층을 포함하는 계층 1은 전송 채널들 상에서의 에러 검출, 전송 채널들의 FEC(forward error correction) 코딩/디코딩, 인터리빙, 레이트 매칭, 물리 채널들 상으로의 매핑, 물리 채널들의 변조/복조 및 MIMO 안테나 프로세싱을 포함할 수 있다. TX 프로세서(316)는 다양한 변조 방식들(예를 들어, BPSK(binary phase-shift keying), QPSK(quadrature phase-shift keying), M-PSK(M-phase-shift keying), M-QAM(M-quadrature amplitude modulation))에 기초한 신호 성상도(constellation)들로의 매핑을 핸들링한다. 그 다음, 코딩되고 변조된 심볼들이 병렬적 스트림들로 분할될 수 있다. 그 다음, 각각의 스트림이 OFDM 서브캐리어에 매핑되고, 시간 및/또는 주파수 도메인에서 기준 신호(예를 들어, 파일럿)와 멀티플렉싱될 수 있으며, 그 다음, IFFT(Inverse Fast Fourier Transform)를 사용하여 함께 결합되어, 시간 도메인 OFDM 심볼 스트림을 전달하는 물리 채널을 생성할 수 있다. OFDM 스트림은 다수의 공간 스트림들을 생성하기 위해 공간적으로 프리코딩된다. 채널 추정기(374)로부터의 채널 추정치들은 코딩 및 변조 방식을 결정하기 위해 뿐만 아니라 공간 프로세싱을 위해 사용될 수 있다. 채널 추정치는 기준 신호 및/또는 UE(350)에 의해 송신된 채널 조건 피드백으로부터 도출될 수 있다. 그 다음, 각각의 공간 스트림이 별도의 송신기(318, TX)를 통해 상이한 안테나(320)에 제공될 수 있다. 각각의 송신기(318, TX)는 송신을 위해 개개의 공간 스트림으로 RF(radio frequency) 캐리어를 변조할 수 있다.
[0053]
UE(350)에서, 각각의 수신기(354, RX)는 자신의 개개의 안테나(352)를 통해 신호를 수신한다. 각각의 수신기(354, RX)는 RF 캐리어 상에 변조된 정보를 복원하고, 그 정보를 수신(RX) 프로세서(356)에 제공한다. TX 프로세서(368) 및 RX 프로세서(356)는 다양한 신호 프로세싱 기능들과 연관된 계층 1 기능을 구현한다. RX 프로세서(356)는 정보에 대해 공간 프로세싱을 수행하여, UE(350)를 목적지로 하는 임의의 공간 스트림들을 복원할 수 있다. 다수의 공간 스트림들이 UE(350)를 목적지로 하는 경우, 이들은 RX 프로세서(356)에 의해 단일 OFDMA 심볼 스트림으로 결합될 수 있다. 그 다음, RX 프로세서(356)는 FFT(Fast Fourier Transform)를 사용하여 OFDM 심볼 스트림을 시간 도메인으로부터 주파수 도메인으로 변환한다. 주파수 도메인 신호는 OFDM 신호의 각각의 서브캐리어에 대한 개별적인 OFDM 심볼 스트림을 포함한다. 각각의 서브캐리어 상의 심볼들, 및 기준 신호는 기지국(310)에 의해 송신된 가장 가능성 있는 신호 성상도 포인트들을 결정함으로써 복원 및 복조된다. 이런 연판정(soft decision)들은 채널 추정기(358)에 의해 컴퓨팅된 채널 추정들에 기반할 수 있다. 그 다음, 연판정들이 물리 채널 상에서 기지국(310)에 의해 원래 송신되었던 데이터 및 제어 신호들을 복원하기 위해 디코딩 및 디인터리빙된다. 그 다음, 데이터 및 제어 신호들이 계층 3 및 계층 2 기능을 구현하는 컨트롤러/프로세서(359)에 제공된다.
[0054]
컨트롤러/프로세서(359)는 프로그램 코드들 및 데이터를 저장하는 메모리(360)와 연관될 수 있다. 메모리(360)는 컴퓨터 판독 가능 매체로 지칭될 수 있다. UL에서는, 컨트롤러/프로세서(359)가 전송 채널과 로직 채널 사이의 디멀티플렉싱, 패킷 리어셈블리, 암호해독, 헤더 압축해제, 및 제어 신호 프로세싱을 제공하여, EPC(160)로부터의 IP 패킷들을 복원한다. 컨트롤러/프로세서(359)는 또한 HARQ 동작들을 지원하기 위해 ACK 및/또는 NACK 프로토콜을 사용한 에러 검출을 담당한다.
[0055]
기지국(310)에 의한 DL 송신과 관련하여 설명된 기능과 유사하게, 컨트롤러/프로세서(359)는 시스템 정보(예를 들어, MIB, SIB들) 획득, RRC 연결들 및 측정 보고와 연관된 RRC 계층 기능; 헤더 압축/압축해제 및 보안(암호화, 암호해독, 무결성 보호, 무결성 검증)과 연관된 PDCP 계층 기능; 상위 계층 PDU들의 전송, ARQ를 통한 에러 정정, RLC SDU들의 연접, 세그먼트화 및 리어셈블리, RLC 데이터 PDU들의 리세그먼트화, 및 RLC 데이터 PDU들의 재순서화와 연관된 RLC 계층 기능; 및 로직 채널들과 전송 채널들 사이의 매핑, TB들 상으로의 MAC SDU들의 멀티플렉싱, TB들로부터 MAC SDU들의 디멀티플렉싱, 스케줄링 정보 보고, HARQ를 통한 에러 정정, 우선 순위 핸들링 및 로직 채널 우선 순위화와 연관된 MAC 계층 기능을 제공한다.
[0056]
기준 신호 또는 기지국(310)에 의해 송신된 피드백으로부터 채널 추정기(358)에 의해 도출된 채널 추정치들은 적절한 코딩 및 변조 방식들을 선택하고 공간 프로세싱을 용이하게 하기 위해 TX 프로세서(368)에 의해 사용될 수 있다. TX 프로세서(368)에 의해 생성된 공간 스트림들은 별도의 송신기들(354, TX)을 통해 상이한 안테나(352)에 제공될 수 있다. 각각의 송신기(354, TX)는 송신을 위해 개개의 공간 스트림으로 RF 캐리어를 변조할 수 있다.
[0057]
UL 송신은 UE(350)의 수신기 기능과 관련하여 설명된 것과 유사한 방식으로 기지국(310)에서 프로세싱된다. 각각의 수신기(318, RX)는 자신의 개개의 안테나(320)를 통해 신호를 수신한다. 각각의 수신기(318, RX)는 RF 캐리어 상에 변조된 정보를 복원하고, 그 정보를 RX 프로세서(370)에 제공한다.
[0058]
컨트롤러/프로세서(375)는 프로그램 코드들 및 데이터를 저장하는 메모리(376)와 연관될 수 있다. 메모리(376)는 컴퓨터 판독 가능 매체로 지칭될 수 있다. UL에서는, 컨트롤러/프로세서(375)가 전송 채널과 로직 채널 사이의 디멀티플렉싱, 패킷 리어셈블리, 암호해독, 헤더 압축해제, 제어 신호 프로세싱을 제공하여 UE(350)로부터의 IP 패킷들을 복원한다. 컨트롤러/프로세서(375)로부터의 IP 패킷들은 EPC(160)에 제공될 수 있다. 컨트롤러/프로세서(375)는 또한 HARQ 동작들을 지원하기 위해 ACK 및/또는 NACK 프로토콜을 사용하여 에러 검출을 담당한다.
[0059]
TX 프로세서(368), RX 프로세서(356), 및 컨트롤러/프로세서(359) 중 적어도 하나는 도 1의 UE 능력 표시자 컴포넌트(198)와 관련된 양상들을 수행하도록 구성될 수 있다.
[0060]
TX 프로세서(316), RX 프로세서(370), 및 컨트롤러/프로세서(375) 중 적어도 하나는 도 1의 UE 능력 요청자 컴포넌트(199)와 관련된 양상들을 수행하도록 구성될 수 있다.
[0061]
무선 통신 시스템들은 이용 가능한 시스템 리소스들을 공유하고 다수의 사용자들과의 통신을 지원하는 CDMA 시스템들, TDMA 시스템들, FDMA 시스템들, OFDMA 시스템들, SC-FDMA 시스템들, TD-SCDMA 시스템들 등과 같은 다중 액세스 기술들에 기초하여 다양한 원격통신 서비스들(예를 들어, 텔레포니, 비디오, 데이터, 메시징, 브로드캐스트 등)을 제공하도록 구성될 수 있다. 많은 경우들에 있어서, 무선 디바이스들과의 통신들을 용이하게 하는 공통 프로토콜들이 다양한 통신 표준들에 채택된다. 예를 들어, eMBB, mMTC 및 URLLC와 연관된 통신 방법들이 5G NR 원격통신 표준에 통합될 수 있으며, 다른 양상들이 4G LTE 표준에 통합될 수 있다. 모바일 광대역 기술들은 연속적인 에볼루션의 일부이므로, 모바일 광대역의 추가 개선들은 이러한 기술들의 발전을 계속하는 데 여전히 유용하다.
[0062]
UE는 예를 들어, 기지국, TRP, 다른 UE 등과의 무선 통신의 양상들에 대한 머신 러닝 알고리즘들, 딥 러닝 알고리즘들, 뉴럴 네트워크들, 또는 진보된 신호 프로세싱 방법들을 사용할 수 있다. 본 명세서에서 설명되는 일부 양상들에서, 인코딩 디바이스(예를 들어, UE)는 개별 파라미터들에 대한 측정된 품질들의 의존성을 학습하기 위해 하나 이상의 뉴럴 네트워크들을 트레이닝할 수 있다.
[0063]
도 4는 제2 디바이스(404)와의 통신들을 결정하기 위해 구성된 뉴럴 네트워크(406)를 포함하는 UE(402)의 다이어그램(400)을 예시한다. 제2 디바이스(404)는 일부 예들에서, 기지국일 수 있다. 제2 디바이스(404)는 일부 예들에서 TRP일 수 있다. 제2 디바이스(404)는 일부 예들에서 다른 UE일 수 있다(예를 들어, UE(402)와 제2 디바이스(404) 간의 통신이 사이드링크에 기초하는 경우).
[0064]
다른 것들 중에서도, UE(402)에 포함될 수 있는 머신 러닝 모델들 또는 뉴럴 네트워크들의 예들로는 인공 뉴럴 네트워크(artificial neural network, ANN)들; 결정 트리 학습; CNN(convolutional neural network)들; 뉴런들의 제 1 계층의 출력이 뉴런의 제 2 계층에 대한 입력이 되는 딥 러닝 아키텍처들 등; 예를 들어, 데이터를 분류하는 분리 초평면(예를 들어, 결정 경계)을 포함하는 SVM(support vector machine)들; 회귀 분석; 베이지안 네트워크들; 유전 알고리즘들; 추가 풀링 및 정규화 계층들로 구성된 DCN(deep convolutional network)들; 및 DBN(Deep belief network)들을 포함한다.
[0065]
ANN(artificial neural network)과 같은 머신 러닝 모델은 인공 뉴런들(예를 들어, 뉴런 모델들)의 상호 연결된 그룹을 포함할 수 있으며, 컴퓨테이셔널 디바이스일 수 있거나 또는 컴퓨테이셔널 디바이스에 의해 수행되는 방법을 나타낼 수 있다. 뉴런 모델들의 연결들은 가중치들로 모델링될 수 있다. 머신 러닝 모델들은 데이터세트를 통한 트레이닝을 통해 예측 모델링, 적응 제어 및 다른 애플리케이션들을 제공할 수 있다. 이 모델은 머신 러닝 모델에 의해 프로세싱되는 외부 또는 내부 정보에 기초하여 적응될 수 있다. 머신 러닝은 비선형 통계 데이터 모델 또는 의사 결정을 제공할 수 있으며 입력 데이터와 출력 정보 간의 복잡한 관계들을 모델링할 수 있다.
[0066]
머신 러닝 모델은 참조된 연산들 중 하나 이상의 연산들의 연접에 의해 형성될 수 있는 다수의 계층들 및/또는 연산들을 포함할 수 있다. 관련될 수 있는 연산들의 예들로는 데이터의 다양한 특징들의 추출, 컨볼루션 연산들, 활성화 또는 비활성화될 수 있는 완전 연결 연산들, 압축, 압축 해제, 양자화(quantization), 평탄화(flattening) 등을 포함한다. 본 명세서에서 사용되는 바와 같은, 머신 러닝 모델의 "계층"은 입력 데이터에 대한 연산을 나타내기 위해 사용될 수 있다. 예를 들어, 컨볼루션 계층, 완전 연결 계층 및/또는 이와 유사한 것은 계층에 입력되는 데이터에 대한 연관된 연산들을 지칭하기 위해 사용될 수 있다. 컨볼루션 AxB 연산은 다수의 입력 특징들 A를 다수의 출력 특징들 B로 변환하는 연산을 지칭한다. "커널 크기"는 차원에서 결합되는 다수의 인접 계수들을 지칭할 수 있다. 본 명세서에서 사용되는 바와 같은, "가중치"는 입력 데이터의 다양한 행들 및/또는 열들을 결합하는 계층들에서의 연산들에서 사용되는 하나 이상의 계수들을 나타내기 위해 사용될 수 있다. 예를 들어, 완전 연결 계층 연산은 입력 행렬 x와 가중치들 A(행렬일 수 있음) 및 바이어스 값들 B(행렬일 수 있음)의 프로덕트의 합에 적어도 부분적으로 기초하여 결정되는 출력 y를 가질 수 있다. 용어 "가중치들"은 일반적으로 가중치들 및 바이어스 값들 모두를 지칭하기 위해 본 명세서에서 사용될 수 있다. 가중치들과 바이어스들은 트레이닝된 머신 러닝 모델의 파라미터들의 예들이다. 머신 러닝 모델의 서로 다른 계층들이 개별적으로 트레이닝될 수 있다.
[0067]
머신 러닝 모델들은 예를 들어, 피드 포워드 네트워크들, 위계적 계층들, 순환 아키텍처들, 피드백 연결들 등 중의 어느 것을 포함하는, 다양한 연결 패턴들을 포함할 수 있다. 뉴럴 네트워크의 계층들 간의 연결들은 완전 연결(fully connect)되거나 국소 연결(locally connect)될 수 있다. 완전 연결된 네트워크에서는, 제1 계층의 뉴런이 제2 계층의 각각의 뉴런에 자신의 출력을 통신할 수 있으며, 그리고 제2 계층의 각각의 뉴런이 제1 계층의 각각의 모든 뉴런으로부터 입력을 수신할 수 있다. 국소 연결된 네트워크에서는, 제1 계층의 뉴런이 제2 계층의 제한된 수의 뉴런들에 연결될 수 있다. 일부 양상들에서, 컨볼루셔널 네트워크는 국소 연결되며 그리고 제2 계층의 각각의 뉴런에 대한 입력들과 연관된 공유된 연결 강도들로 구성될 수 있다. 국소 연결된 네트워크의 계층은 계층 내의 각각의 뉴런이 동일하거나 또는 유사한 연결 패턴을 갖지만, 서로 다른 연결 강도들을 갖도록 구성될 수 있다.
[0068]
머신 러닝 모델 또는 뉴럴 네트워크는 트레이닝될 수 있다. 예를 들어, 머신 러닝 모델은 지도 학습(supervised learning)에 기초하여 트레이닝될 수 있다. 트레이닝 동안에, 머신 러닝 모델에는 모델이 컴퓨팅하여 출력을 생성하는데 사용하는 입력이 제공될 수 있다. 실제 출력이 타깃 출력과 비교될 수 있으며, 그 차이가 타깃 출력에 더 가까운 출력을 제공하기 위해 머신 러닝 모델의 파라미터들(예를 들어, 가중치들 및 바이어스들)을 조정하는데 사용될 수 있다. 트레이닝 전에는, 출력이 부정확하거나 덜 정확할 수 있으며, 실제 출력과 타깃 출력 간의 오차 또는 차이가 계산될 수 있다. 그 다음, 출력이 타깃과 더 근접하게 정렬되도록 머신 러닝 모델의 가중치들이 조정될 수 있다. 가중치들을 조정하기 위해, 러닝 알고리즘은 가중치들에 대한 기울기 벡터를 컴퓨팅할 수 있다. 기울기는 가중치가 약간 조정되었을 경우 오차가 증가 또는 감소하게 되는 양을 표시할 수 있다. 최상위 계층에서, 기울기는 페널티메이트 계층(penultimate layer)의 활성화된 뉴런과 출력 계층의 뉴런을 연결하는 가중치의 값에 직접 대응할 수 있다. 하위 계층들에서, 기울기는 가중치들의 값 및 상위 계층들의 컴퓨팅된 오차 기울기들에 의존할 수 있다. 그 다음, 가중치들을 조정하여 오차를 줄이거나 출력을 타깃에 더 근접하게 이동시킬 수 있다. 가중치들을 조정하는 이러한 방식은 뉴럴 네트워크를 통한 역전파(back propagation)로 지칭될 수 있다. 이 프로세스는 달성 가능한 에러 레이트(error rate)가 감소하는 것을 정지하거나 에러 레이트가 타깃 레벨에 도달했을 때까지 계속될 수 있다.
[0069]
머신 러닝 모델들은 머신 러닝 모델을 트레이닝하기 위한 컴퓨테이셔널 복잡도 및 실질적인 프로세서를 포함할 수 있다. 도 4는 예시적인 뉴럴 네트워크(406)가 상호 연결된 노드들의 네트워크를 포함할 수 있음을 예시한다. 한 노드의 출력은 다른 노드에 대한 입력으로 연결된다. 노드들 사이의 연결들은 에지(edge)들로 지칭될 수 있으며, 다른 노드에 대한 입력으로서 적용되는 한 노드로부터의 출력을 조정하기 위해 연결들/에지들에 가중치들이 적용될 수 있다. 노드들은 연결된 노드에 출력을 제공할지의 여부 또는 시점을 결정하기 위해 임계값들을 적용할 수 있다. 각각의 노드의 출력은 노드에 대한 입력들의 합의 비선형 함수로서 계산될 수 있다. 뉴럴 네트워크(406)는 임의의 수의 노드들 및 노드들 사이의 임의의 타입의 연결들을 포함할 수 있다. 뉴럴 네트워크(406)는 하나 이상의 히든 노드들을 포함할 수 있다. 노드들은 계층들로 어그리게이팅될 수 있으며, 뉴럴 네트워크의 서로 다른 계층들이 입력에 대한 서로 다른 종류의 변환들을 수행할 수 있다. 신호는 첫 번째 계층에서의 입력으로부터 뉴럴 네트워크의 여러 계층들을 거쳐 뉴럴 네트워크의 마지막 계층에서의 출력으로 이동할 수 있으며 계층들을 여러 번 통과할 수 있다. 일 예로서, UE는 뉴럴 네트워크(406)에 정보(410)를 입력하고, 출력(412)을 수신할 수 있다. UE는 출력(412)에 기초하여 정보(414)를 제2 디바이스(404)에 보고할 수 있다. 일부 양상들에서, 제2 디바이스는 정보(414)에 기초하여 UE(402)로 통신을 송신할 수 있다. 일부 양상들에서, 디바이스(404)는 정보(414)에 기초하여 UE(402)를 스케줄링하거나 구성하는 기지국일 수 있다.
[0070]
도 5는 UE ML 능력과 연관될 수 있는 능력 파라미터들을 포함하는 표(500)를 예시한다. AI/ML 모델은 함수, Y = F(X)에 기초하여 트레이닝될 수 있다. 양상들에서, F, X 및 Y는 AI/ML 모델과 연관하여 UE를 구성하기 위해 네트워크가 결정할 수 있는 미리 결정된 프로토콜들에 기초할 수 있다. UE와 연관된 두가지 타입들의 무선 능력들은 UE 무선 능력 및 UE 코어 네트워크 능력을 포함할 수 있다. UE의 무선 능력들은 함수 F를 표시할 수 있으며, 이것은 생성된 기능/특징 또는 미리 결정된 기능/특징에 대응할 수 있다.
[0071]
UE 무선 능력은 UE가 AI/ML 모델 기반 기능에 대해 구성되었는지 여부를 결정하기 위해 네트워크에 의해 사용될 수 있다. 이와 같이, UE 무선 능력은 UE의 하나 이상의 지원되는 함수들 F를 표시하는 비트들을 포함할 수 있다. 비트들은 UE가 수행하도록 구성된 기능들의 목록에 대응할 수 있다. 각각의 기능은 1 비트에 기초하여 표시될 수 있다. 따라서, 그렇지 않았다면 알고리즘 절차에 기초하여 수행되었을 수 있는 기능은 대신에 뉴럴 네트워크의 절차들에 기초하여 수행될 수 있다. 특정 함수 F가 UE에 의해 지원된다는 것을 표시하기 위해, UE는 그 특징에 대해 테스트된 적어도 하나의 모델을 가질 수 있다. UE는 AI/ML 모델과 연관된 각각의 AS(access stratum) 기능에 대해 UE 능력 비트들을 표시할 수 있다.
[0072]
UE 코어 네트워크 능력은 MM(mobility management) 및 SM(session management)을 포함하는 두 가지 능력 서브 타입들에 대응할 수 있다. MM을 위한 UE 코어 네트워크 능력은 MM 상의 UE에 대한 AI/ML 모델 기반 기능을 사용할지 여부를 결정하기 위해 AMF(예를 들어, AMF(192))에 의해 사용될 수 있다. SM을 위한 UE 코어 네트워크 능력은 SM 상의 UE에 대한 AI/ML 모델 기반 기능을 사용할지 여부를 결정하기 위해 SMF(예를 들어, SMF(194))에 의해 사용될 수 있다. UE 능력 비트들은 AI/ML 모델과 연관된 각각의 MM 및/또는 SM 기능에 대한 MM 및/또는 SM 상의 UE 코어 네트워크 능력에 대해 표시될 수 있다. 따라서, UE 코어 네트워크 능력의 경우, 함수 F는 MM 및 SM 모두에 대해 사용될 수 있다. UE 무선 능력의 경우, UE는 UE 지원 함수들 F의 목록에 대한 지원을 표시할 수 있으며, 여기서 함수들 F는 무선 관련 함수들일 수 있다.
[0073]
일부 양상들에서, UE는 UE AI/ML 능력을 포함할 수 있는 제3 타입의 무선을 지원할 수 있으며, 이것은 UE ML 능력으로 지칭될 수도 있다. UE ML 능력은 UE와 네트워크 사이의 ML 평면에 기초할 수 있다. AI/ML을 위한 UE ML 능력은 UE에 의해 지원되는 하나 이상의 AI/ML 기능들을 결정하기 위해 AI/ML 엔티티에 의해 사용될 수 있다. 즉, UE의 능력은 UE ML 능력을 통해 결정될 수 있다.
[0074]
UE ML 능력은 도 5의 표(500)에 표시된 예시적인 능력 파라미터들 중의 임의의 것과 같은 하나 이상의 능력 파라미터들에 기초할 수 있다. 예를 들어, 제1 능력 파라미터는 프로세싱 능력에 대응할 수 있다. 프로세싱 능력은 트레이닝 프로세싱 능력, 추론 프로세싱 능력, 및/또는 전체 프로세싱 능력을 포함할 수 있다. 각각의 프로세싱 능력의 타입은 TOPS(trillion operations per second)의 관점에서 표시될 수 있다. 예를 들어, AI 엔진은 15 TOPS에 기초하여 동작할 수 있다.
[0075]
제2 능력 파라미터는 메모리 능력에 대응할 수 있다. 메모리 능력은 트레이닝을 위한 최대 모델 크기 및/또는 추론을 위한 최대 모델 크기를 포함할 수 있다. 제3 능력 파라미터는 일반적인 하드웨어 가속 능력에 대응할 수 있으며, 이것은 뉴럴 네트워크 프로세서와 연관될 수 있다. 일반적인 하드웨어 가속 능력은 AI 프로세서가 트레이닝에 이용 가능한지 여부를 결정하는 것(예를 들어, 예/아니오)을 포함할 수 있다. 일반적인 하드웨어 가속 능력은 또한 AI 프로세서가 추론들을 위해 사용될 수 있는지 여부를 결정하는 것(예를 들어, 예/아니오)을 포함할 수 있다. 일반적인 하드웨어 가속 능력의 하드웨어 가속 연산들은 지원되는 연산들/명령어들의 목록을 통해 표시될 수 있다(예를 들어, 2차원(2D) 컨볼루션에 기초함). 능력 비트들은 UE에 의해 지원되는 ML 절차들에 대한 명령어들의 목록을 뉴럴 네트워크 프로세서에 표시할 수 있다. 제4 능력 파라미터는 UE의 지원되는 라이브러리들에 대응할 수 있으며, 이것은 UE의 소프트웨어 능력들을 표시할 수 있다. 예를 들어, 특정 ML 함수는 특정 라이브러리에 기초할 수 있다.
[0076]
제5 능력 파라미터는 지원되는 모델 포맷들에 대응할 수 있다. 예를 들어, 지원되는 모델 포맷들로는 ONNX(open neural network exchange) 및/또는 TF(tensor flow)를 포함할 수 있다. 지원되는 모델 포맷들은 지원되는 포맷 목록을 통해 표시될 수 있다. ML 모델들은 또한 압축될 수도 있다. 따라서, 지원되는 모델 포맷들이 모델 압축을 포함하는지 여부가 능력 파라미터를 통해 추가로 표시될 수 있다(예를 들어, 예/아니오). 제6 능력 파라미터는 지원되는 모델들에 대응할 수 있다(예를 들어, UE에 의해 테스트되고 캐싱된 모델 목록에 기초함). ML 모델이 함수 F(X)를 표시할 수 있지만, 동일한 함수 F가 상이한 모델들을 사용하는 상이한 UE들에 의해 지원될 수 있다. 따라서, 능력 파라미터는 상이한 UE들에 의해 지원되는 ML 모델들을 표시할 수 있다.
[0077]
제7 능력 파라미터는 최대 동시성에 대응할 수 있으며, 이것은 최대 모델 트레이닝들, 최대 모델 추론들, 및/또는 최대 트레이닝들 및 추론들을 포함할 수 있다. 최대 모델 트레이닝들은 UE가 동시에 수행할 수 있는 동시 모델 트레이닝들의 최대 횟수에 기초할 수 있고, 최대 모델 추론들은 UE가 동시에 수행할 수 있는 현재 모델 추론들의 최대 횟수에 기초할 수 있으며, 최대 트레이닝들 및 추론들은 UE가 동시에 수행할 수 있는 전체 동시 모델 트레이닝들 및 추론들의 최대 횟수에 기초할 수 있다. 제8 능력 파라미터는 모델 조합들에 대응할 수 있으며, 이 모델 조합들은 하나 이상의 테스트된 모델 조합들을 포함할 수 있다. ML 모델들이 동시에 실행되어야 하는 경우, UE는 모델 조합들 목록을 통해 UE가 지원하는 모델 조합들을 표시할 수 있다. UE는 UE_모델_a + 네트워크_모델_b; UE_모델l_1 + UE_모델_2 + UE_모델_3 등과 같은 특정 개수의 모델 조합들을 지원할 수 있다. 테스트된 모델 조합들은 UE에 대해 확인된 모델 조합들을 지칭할 수 있지만, 테스트되지 않은/확인되지 않은 다른 모델 조합들이 또한 UE에 의해 지원될 수도 있다. 제9 능력 파라미터는 양자화에 대응할 수 있다. ML 모델 트레이닝 및 추론 절차들의 경우, ML 모델의 실행 효율을 향상시키기 위해 ML 모델을 다른 포맷으로 변환할 수 있다. ML 모델의 변환은 양자화로 지칭될 수 있다. 양자화는 데이터 없는 양자화(data free quantization) 및/또는 양자화 인식 트레이닝(quantization aware training)을 포함할 수 있다.
[0078]
도 6은 UE(602)와 네트워크 엔티티들 간의 통신들을 예시하는 콜 흐름 다이어그램(600)이다. 네트워크 엔티티들은 기지국(604) 및 코어 네트워크(606)의 코어 네트워크 엔티티를 포함할 수 있다. 608a에서, UE(602)는 기지국(604)으로부터, AI/ML 절차에 대한 UE 능력 요청을 수신할 수 있다. UE 능력 요청은 UECapabilityEnquiry 메시지에 대응할 수 있다. UE 능력 요청은 또한, 608a에서, 코어 네트워크(606)로부터의 표시에 기초하여 (예를 들어, 기지국(604)을 통해) 수신될 수 있다. 610a에서, UE(602)는 UE 능력 표시를 기지국(604)에게 송신할 수 있다. UE 능력 표시는 UECapabilityInformation 메시지에 대응할 수 있다. UE 능력 요청이 또한, 610a에서, 코어 네트워크(606)에게 (예를 들어, 기지국(604)을 통해) 송신될 수 있다.
[0079]
UE 능력 표시는 UE 능력 목록(612)과 연관될 수 있다. UE 능력 목록(612)은 UE 무선 능력(612(1)), UE 코어 네트워크 능력(612(2)) 및 UE ML 능력(612(3))을 포함할 수 있다. UE 무선 능력(612(1))은 단일 또는 별도의 AS 기반 표시(들)에 기초할 수 있다. UE 코어 네트워크 능력은 단일 또는 별도의 MM/SM 표시(들)에 기초할 수 있다. UE ML 능력(612(3))은 표(500)에 표시된 능력 파라미터들 중 하나 이상에 기초할 수 있다.
[0080]
UE(602)는, 614a에서, 무선 능력에 포함된 UE ML 능력을 기지국(604)으로 송신할 수 있으며, 이것은, 614c에서, 기지국(604)을 통해 코어 네트워크(606)로 추가로 송신될 수 있다. 예들에서, UE 무선 능력은 무선 능력 ID(identifier)에 기초하여 표시될 수 있다. UE(602)는, 616a에서, CN(core network) 능력에 포함된 UE ML 능력을 기지국(604)으로 송신할 수 있으며, 이것은, 616c에서, 기지국(604)을 통해 코어 네트워크(606)로 추가로 송신될 수 있다. UE(602)는, 618a에서, UE ML 능력에 대한 별도의 IE(information element)를 기지국(604)으로 송신할 수 있으며, 이것은, 618c에서, 기지국(604)을 통해 코어 네트워크(606)로 추가로 송신될 수 있다. 예들에서, UE ML 능력은 AI/ML 능력 ID에 기초하여 표시될 수 있다.
[0081]
기지국(604)이 UE 무선 능력(612(1)), UE 코어 네트워크 능력(612(2)), 및/또는 UE ML 능력(612(3))을 표시할 수 있는 UE(602)에 대한 UE 능력 정보를 수신하는 구성들에서, 기지국(604)은 (예를 들어, 614c, 616c, 및/또는 618c에서) UE 능력 정보를 코어 네트워크(606)에게 보고할 수 있다. 코어 네트워크(606)가 UE 무선 능력(612(1)), UE 코어 네트워크 능력(612(2)), 및/또는 UE ML 능력(612(3))을 표시할 수 있는 UE(602)에 대한 UE 능력 정보를 수신하는 구성들에서, 코어 네트워크(606)는 (예를 들어, 614b, 616b, 및/또는 618b에서) UE(602)를 서빙하는 기지국(604)에게 UE 능력 정보를 보고할 수 있다.
[0082]
제1 양상에서, UE ML 능력(612(3))은, 614a에서, UE 무선 능력(612(1))을 통해 보고될 수 있다. 예를 들어, UE 무선 능력(612(1))은 뉴럴 네트워크와 연관되어 수행될 수 있는 기능들의 지원되는 목록을 표시할 수 있으며, 여기서 UE ML 능력(612(3))은 별도의 능력에 대응할 수 있다. UE ML 능력(612(3))이 UE 무선 능력(612(1)) 내에서 시그널링되는 경우, UE ML 능력(612(3))의 전달은 UE 무선 능력(612(1))의 전달과 유사할 수 있다. UE(602)는 UE 무선 능력(612(1))을 시그널링하는 것과 연관되어 RRC를 통해 기지국(604)으로 ML 능력 컨테이너를 보고할 수 있다. 기지국(604)은, 608a에서, UECapabilityEnquiry 메시지에 기초하여 UE(602)로부터 UE 무선 능력(612(1))을 요청할 수 있으며, UE(602)는, 610a에서, UECapabilityInformation 메시지에 기초하여 UE 무선 능력(612(1))을 보고할 수 있다. 기지국(604)이, 608a에서, UE ML 능력(612(3))을 개별적으로 요청하도록 그리고/또는 UE(602)가, 618a에서, ML UE 능력(612(3))을 개별적으로 보고하도록 하기 위해 필터가 적용될 수 있다.
[0083]
UE 무선 능력(612(1))은 코어 네트워크(606)에서 캐싱될 수 있다. 예를 들어, UE(602)는, 610a에서, UE 능력 정보를 기지국(604)에 보고할 수 있으며, 기지국(604)은, 610b에서, UE 능력 정보를 캐싱하기 위해 UE 능력 정보를 코어 네트워크(606)에 중계할 수 있다. RRC 연결 셋업 동안, 코어 네트워크(606)는 (예를 들어, 614b, 616b, 및/또는 618b에서) UE 능력 정보를 기지국(604)에게 송신할 수 있다. 코어 네트워크(606)가 캐시에 저장된 UE 능력 정보를 가지고 있지 않은 경우, 기지국(604)은 UE 능력 정보를 제공하도록 UE(602)에게 요청할 수 있다. 기지국(604)은 RRC_IDLE 상태 동안 캐싱/저장을 위해 코어 네트워크(606)(예를 들어, AMF/SMF)에게 ML 능력 컨테이너를 보고할 수 있다.
[0084]
제2 양상에서는, UE ML 능력(612(3))이, 616a에서, UE 코어 네트워크 능력(612(2))을 통해 보고될 수 있다. UE ML 능력(612(3))이, 616a에서, UE 코어 네트워크 능력(612(2))과 함께 보고되는 경우, UE ML 능력(612(3))의 전달은 UE 코어 네트워크 능력(612(2))의 전달과 유사할 수 있다. 예를 들어, UE(602)는 UE 코어 네트워크 능력(612(2))과 연관하여 NAS를 통해 AMF/SMF에게 ML 능력 컨테이너를 보고할 수 있다. MM에 대한 UE 코어 네트워크 능력(612(2))은 NAS 등록 절차 동안 AMF에게 보고될 수 있다. SM에 대한 UE 코어 네트워크 능력(612(2))은 PDU 세션 관리 절차 동안 SMF에게 보고될 수 있다. AMF/SMF는 ML 능력 컨테이너를 기지국(604)에게 송신할 수 있으며, 이에 따라 기지국(604)은 UE(602)의 ML 능력들을 결정할 수 있다.
[0085]
제3 양상에서는, UE ML 능력(612(3))이, 618a에서, 별도의 능력 IE로서 보고될 수 있다. 즉, UE ML 능력(612(3))은 UE 무선 능력(612(1)) 또는 UE 코어 네트워크 능력(612(2))과 함께 보고되지 않는다. 예를 들어, ML 능력 컨테이너는 ML 평면을 통해 수행되는 시그널링에 기초하여 ML 관련 네트워크 엔티티/노드에 보고될 수 있다. UE ML 능력(612(3))을 시그널링하기 위해 UE(602)와 ML 관련 네트워크 엔티티/노드 사이에 시그널링 연결이 확립될 수 있다. 시그널링은 RRC, NAS, U-plane(예를 들어, HTTP(hypertext transfer protocol)) 등을 통해 수행될 수 있다. 구성들에서, ML 평면은 제어 평면(C-plane) 또는 사용자 평면(U-plane)과는 별도의 평면일 수 있다.
[0086]
다른 예에서는, ML 능력 컨테이너가 614a에서의 UE 무선 능력(612(1))과 동일한 시그널링 절차로 UE 무선 능력(612(1))의 송신과 함께 별도의 IE로서, 618a에서, 보고될 수 있지만, UE 무선 능력(612(3))을 통해서 보고되지 않는다. 608a에서 기지국(604)으로부터 수신된 UECapabilityEnquiry 메시지에 기초하여, ML 능력 컨테이너는 610a에서 기지국(604)으로 송신되는 UECapabilityInformation 메시지에 포함되는 추가적인 IE일 수 있다. UECapabilityEnquiry 메시지는 또한 기지국(604)이 ML 능력을 개별적으로 요청하도록 구성될 수 있다. 기지국(604)은, 610b에서, 캐싱/저장을 위해 ML 능력 컨테이너를 5GC(예를 들어, AMF/SMF)에게 전달할 수 있다. 유사한 예에서, ML 능력 컨테이너가 616a에서의 UE 코어 네트워크 능력(612(2))과 동일한 시그널링 절차로 UE 코어 네트워크 능력(612(2))의 송신과 함께 별도의 IE로서, 618a에서, 보고될 수 있지만, UE 코어 네트워크 능력(612(2))을 통해서 보고되지 않는다. ML 능력 컨테이너는 UE 코어 네트워크 능력(612(2))을 표시하는 NAS 메시지에 선택적/별도의 IE로서 포함될 수 있다. 코어 네트워크(606)는 후속적으로 (예를 들어, 614b, 616b, 및/또는 618b에서) ML 능력 컨테이너를 기지국(604)에게 전달할 수 있다.
[0087]
추가 예에서는, RRC 절차가 UE ML 능력 요청들 및 보고를 위해 정의될 수 있으며, 여기서 기지국(604)은 ML 능력 컨테이너를 5GC에게 전달할 수 있다. 또 다른 추가 예에서는, NAS 절차가 UE ML 능력 요청들 및 보고를 위해 정의될 수 있다. NAS는 UE(602)와 코어 네트워크(606) 사이의 시그널링에 대응할 수 있으며, NAS 절차가 UE ML 능력(612(3))을 보고하는데 사용될 수 있다. 코어 네트워크(606)가 UE ML 능력(612(3))을 수신하는 경우, 코어 네트워크(606)는 (예를 들어, 614b, 616b, 및/또는 618b에서) RAN 절차들을 위해 ML 능력 컨테이너를 기지국(604)으로 전달할 수 있다.
[0088]
코어 네트워크(606)와 RAN이 ML 기능에 기초하여 UE(602)를 별도로 구성할 수 있으므로, UE ML 능력(612(3))이 AS와 NAS 간에 공유될 수 있다. UE ML 능력(612(3))이 기지국(604)에 보고되면, 기지국(604)은, 610b에서, UE ML 능력(612(3))을 코어 네트워크(606)(예를 들어, AMF/SMF)에게 전달할 수 있다. 기지국(604)은 또한 (예를 들어, 코어 네트워크(606)의 최대 프로세싱 능력, 코어 네트워크(606)의 최대 메모리 등에 기초하여) RAN과 코어 네트워크(606) 사이의 리소스 분할을 표시할 수 있다. UE ML 능력(612(3))이 코어 네트워크(606)에 보고되면, 코어 네트워크(606)는 (예를 들어, 614b, 616b, 및/또는 618b에서) UE ML 능력(612(3))을 RAN에게 전달할 수 있다. 코어 네트워크(606)는 마찬가지로 (예를 들어, RAN의 최대 프로세싱 능력, RAN의 최대 메모리 등에 기초하여) 리소스 분할을 표시할 수 있다. RAN과 코어 네트워크(606) 사이의 리소스/능력 분할은 RAN에 의해 결정될 수 있다.
[0089]
다른 경우들에서, 리소스/능력 분할은 UE(602)에 의해 결정될 수 있다. 예를 들어, UE(602)는 이 능력을 UE AS ML 능력과 UE NAS ML 능력으로 분할하고, 이 능력들을 각각 RAN 및 코어 네트워크(606)에 보고할 수 있다. UE(602)는 코어 네트워크 관련 ML 절차들에 사용될 능력의 백분율 및 RAN 관련 ML 절차들에 사용될 능력의 백분율을 추가로 결정할 수 있다.
[0090]
UE 무선 능력 ID가 UE 능력 보고의 시그널링 부하를 감소시키기 위해 활용될 수 있다. 예를 들어, UE 무선 능력(612(1))을 보고하는 것이 아니라, 증가된 크기의 UE 무선 능력 보고가 UE 무선 능력 ID에 기초하여 고유하게 식별될 수 있다. UE 무선 능력 ID는 UE 무선 능력(612(1))의 송신을 회피하는 시그널링 절차들을 통해 통신될 수 있다. UE ML 능력(612(3))이, 614a에서, UE 무선 능력(612(1))을 통해 보고되는 경우, UE 무선 능력 ID가 UE ML 능력(612(3))을 표시할 수도 있다. UE ML 능력이, 618a에서, 별도의 IE로서 보고되는 경우, UE ML 능력 ID는 UE ML 능력/컨테이너를 표시하도록 정의될 수 있다. UE ML 능력(612(3))은 OEM(Original Equipment Manufacturer) 또는 MNO(Mobile Network Operator)를 통해 정의될 수 있다. UE ML 능력 ID는 ML 능력 컨테이너의 송신을 회피하는 시그널링 절차들에 기초하여 송신될 수 있다. 무선 수신기(예를 들어, 기지국(604), 5GC, ML 관련 네트워크 엔티티/노드 등)가 UE ML 능력 ID와 연관된 UE ML 능력(612(3))에 대해 구성되지 않은 경우, 무선 수신기는 UE ML 능력 컨테이너를 보고하도록 UE(602)에게 요청할 수 있다.
[0091]
일 예에서, UE 무선 능력(612(1))은 ML 기반 CSI(channel state information) 피드백과 같은, 지원되는 ML 특징을 포함할 수 있다. ML 기반 CSI 피드백은 ml-CSIFeedback {CSI 타입-Ⅲ, 최대 엔트로피 비트, 최대 대역폭, 최대 빔들, ...}에 기초하여 표시될 수 있다. 따라서, ML 특징이 정의되는 경우, UE 무선 능력(612(1))은 ML 특징을 포함할 수 있다. UE ML 능력(612(3))은 지원되는 모델 목록, 모델 이름/ID(예를 들어, ml-CSIFeedback-Model), 기능 ID(예를 들어, ml-CSIFeedback), 및/또는 다른 ML 능력 비트들을 포함할 수 있다. 이러한 양상들은 UE 무선 능력(612(1))과 UE ML 능력(612(3)) 사이의 기능 분할과 연관될 수 있다.
[0092]
도 7은 무선 통신 방법의 흐름도(700)이다. 이 방법은 UE(예를 들어, UE(104, 402, 602); 장치(1002) 등)에 의해 수행될 수 있으며, 이 UE는 메모리(360)를 포함할 수 있으며 전체 UE(104, 402, 602) 또는 TX 프로세서(368), RX 프로세서(356), 및/또는 컨트롤러/프로세서(359)와 같은 UE(104, 402, 602)의 컴포넌트일 수 있다.
[0093]
702에서, UE는 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 수신할 수 있다. 예를 들어, 도 6을 참조하면, UE(602)는, 608a에서, 기지국(604)/코어 네트워크(606)로부터 UE 능력 요청을 수신할 수 있다. 양상들에서, UE 능력 요청은 UECapabilityEnquiry 메시지에 기초하여 UE(602)에 의해 수신될 수 있다.
[0094]
704에서, UE는, UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 송신할 수 있다. 예를 들어, 도 6을 참조하면, UE(602)는, 610a에서, UE 능력 표시를 기지국(604)/코어 네트워크(606)에게 송신할 수 있다. 양상들에서, UE 능력 표시는 UECapabilityInformation 메시지에 기초하여 UE(602)에 의해 표시될 수 있다.
[0095]
UE(602)는, 610a에서(예를 들어, 능력 목록(612)과 연관하여), 표(500)의 능력 파라미터를 표시하는 것에 기초하여 AI 능력 또는 ML 능력 중 적어도 하나를 송신할 수 있다. 예를 들어, UE(602)는, 612(3)에서, 표(500)에 표시된 바와 같은, 프로세싱 능력, 메모리 능력, 하드웨어 가속 능력, 저장된 라이브러리, 저장된 모델 포맷, 저장된 모델, 최대 동시성 능력, 모델 조합, 테스트된 모델 조합, 또는 양자화 중 적어도 하나에 대응하는 UE ML 능력을 송신할 수 있다. 또한, UE(602)는, 612(1)에서, 하나 이상의 AS 절차들에 대한 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력을 송신할 수 있다. UE(602)는, 614a에서, UE(602)가 AI 절차 또는 ML 절차를 지원하는 각각의 AS 기능에 대한 별도의 표시를 송신할 수 있다. 추가적으로 또는 대안적으로, UE(602)는, 612(2)에서, MM 절차 또는 SM 절차 중 하나 이상에 대한 코어 네트워크 능력을 송신할 수 있다. UE(602)는 유사하게, 616a에서, UE(602)가 AI 절차 또는 ML 절차를 지원하는 각각의 MM 기능 또는 SM 기능에 대한 별도의 표시를 송신할 수 있다.
[0096]
610a에서 송신되는 AI 능력 또는 ML 능력 중 적어도 하나의 표시가 614a에서의 무선 능력의 표시에 포함될 수 있다. 양상들에서, 614a에서의 무선 능력의 표시는 AI 능력 또는 ML 능력 중 적어도 하나에 대응하는 무선 능력 ID에 기초할 수 있다. 610a에서 송신되는 AI 능력 또는 ML 능력 중 적어도 하나의 표시가 616a에서의 코어 네트워크 능력의 표시에 포함될 수 있다. 양상들에서, 610a에서 송신되는 AI 능력 또는 ML 능력 중 적어도 하나의 표시가, 614a에서의 무선 능력의 표시 및 616a에서의 코어 네트워크 능력의 표시와는 별도로 618a에서 송신될 수 있다. AI 능력 또는 ML 능력 중 적어도 하나의 표시가 614a에서의 무선 능력의 표시 및 616a에서의 코어 네트워크 능력의 표시와는 별도의 IE에서, 618a에서 송신될 수 있으며, 여기서 별도의 IE는 614a에서의 무선 능력의 표시 또는 616a에서의 코어 네트워크 능력의 표시 중 적어도 하나와 함께 또는 이와는 별도로 618a에서 송신될 수 있다. 618a에서 송신되는 별도의 IE는 AI 능력 ID 또는 ML 능력 ID 중 적어도 하나를 포함할 수 있다. 608a에서 수신되는 UE 능력을 보고하도록 하는 요청 또는 610a에서 송신되는 AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력 중 하나 이상의 능력의 표시 중 적어도 하나는 RRC 메시지 또는 NAS 메시지에 포함될 수 있다.
[0097]
610a에서의 표시의 송신은, AS에 대한 AI 능력 또는 ML 능력 중 적어도 하나의 제1 부분을 표시하며 그리고 NAS에 대한 AI 능력 또는 ML 능력 중 적어도 하나의 제2 부분을 표시하는 것을 포함할 수 있다. AI 능력 또는 ML 능력은 표(500)에 표시된 프로세싱 능력들 및 메모리 능력들과 같은, 프로세싱 능력 또는 메모리 능력에 대응할 수 있다. 일 예에서, 610a에서 송신되는 UE 능력은 CSI 피드백에 대한 것일 수 있다.
[0098]
도 8은 무선 통신 방법의 흐름도(800)이다. 이 방법은 네트워크 엔티티(예를 들어, 기지국(102, 404, 604); 코어 네트워크(606); 장치(1102) 등)에 의해 수행될 수 있고, 이 네트워크 엔티티는 메모리(376)를 포함할 수 있으며 전체 네트워크 엔티티이거나 또는 TX 프로세서(316), RX 프로세서(370) 및/또는 컨트롤러/프로세서(375)와 같은 네트워크 엔티티의 컴포넌트일 수 있다.
[0099]
802에서, 네트워크 엔티티는 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 송신할 수 있다. 예를 들어, 도 6을 참조하면, 기지국(604)/코어 네트워크(606)는, 608a-b에서, UE 능력 요청을 UE(602)에게 송신할 수 있다. 양상들에서, UE 능력 요청은 UECapabilityEnquiry 메시지에 기초하여 기지국(604)/코어 네트워크(606)에 의해 송신될 수 있다.
[0100]
804에서, 네트워크 엔티티는 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 수신할 수 있다. 예를 들어, 도 6을 참조하면, 기지국(604)/코어 네트워크(606)는, 610a-b에서, UE(602)로부터 UE 능력 표시를 수신할 수 있다. 양상들에서, UE 능력 표시는 UECapabilityInformation 메시지에 기초하여 기지국(604)/코어 네트워크(606)에 의해 수신될 수 있다.
[0101]
도 9는 무선 통신 방법의 흐름도(900)이다. 이 방법은 네트워크 엔티티(예를 들어, 기지국(102, 404, 604); 코어 네트워크(606); 장치(1102) 등)에 의해 수행될 수 있고, 이 네트워크 엔티티는 메모리(376)를 포함할 수 있으며 전체 네트워크 엔티티이거나 TX 프로세서(316), RX 프로세서(370) 및/또는 컨트롤러/프로세서(375)와 같은 네트워크 엔티티의 컴포넌트일 수 있다.
[0102]
902에서, 네트워크 엔티티는 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 송신할 수 있다. 예를 들어, 도 6을 참조하면, 기지국(604)/코어 네트워크(606)는, 608a-b에서, UE 능력 요청을 UE(602)에게 송신할 수 있다. 양상들에서, UE 능력 요청은 UECapabilityEnquiry 메시지에 기초하여 기지국(604)/코어 네트워크(606)에 의해 송신될 수 있다.
[0103]
904에서, 네트워크 엔티티는 UE 능력을 보고하도록 하는 요청에 기초하여, AI 절차, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 수신할 수 있다. 예를 들어, 도 6을 참조하면, 기지국(604)/코어 네트워크(606)는, 610a-b에서, UE(602)로부터 UE 능력 표시를 수신할 수 있다. 양상들에서, UE 능력 표시는 UECapabilityInformation 메시지에 기초하여 기지국(604)/코어 네트워크(606)에 의해 수신될 수 있다.
[0104]
네트워크 엔티티(예를 들어, 기지국(604)/코어 네트워크(606))는, 610a-b에서(예를 들어, 능력 목록(612)과 연관하여), AI 능력 또는 ML 능력 중 적어도 하나를 수신할 수 있으며, 이것은 표(500)의 능력 파라미터를 표시할 수 있다. 예를 들어, 네트워크 엔티티(예를 들어, 기지국(604)/코어 네트워크(606))는, 612(3)에 기초하여, 표(500)에 표시된 바와 같은, 프로세싱 능력, 메모리 능력, 하드웨어 가속 능력, 저장된 라이브러리, 저장된 모델 포맷, 저장된 모델, 최대 동시성 능력, 모델 조합, 테스트된 모델 조합 또는 양자화 중 적어도 하나에 대응하는 UE ML 능력을 수신할 수 있다. 네트워크 엔티티(예를 들어, 기지국(604)/코어 네트워크(606))는 또한, 612(1)에 기초하여, 하나 이상의 AS 절차들에 대한 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력을 수신할 수 있다. 네트워크 엔티티(예를 들어, 기지국(604)/코어 네트워크(606))는, 614a/614c에서, UE(602)가 AI 절차 또는 ML 절차를 지원하는 각각의 AS 기능에 대한 별도의 표시를 수신할 수 있다. 추가적으로 또는 대안적으로, 네트워크 엔티티(예를 들어, 기지국(604)/코어 네트워크(606))는, 612(2)에 기초하여, MM 절차 또는 SM 절차 중 하나 이상에 대한 코어 네트워크 능력을 수신할 수 있다. 네트워크 엔티티(예를 들어, 기지국(604)/코어 네트워크(606))는 유사하게, 616a/616c에서, UE(602)가 AI 절차 또는 ML 절차를 지원하는 각각의 MM 기능 또는 SM 기능에 대한 별도의 표시를 수신할 수 있다. 일 예에서, 610a-b에서 수신되는 UE 능력은 CSI 피드백에 대한 것일 수 있다.
[0105]
610a-b에서 수신되는 AI 능력 또는 ML 능력 중 적어도 하나의 표시는 614a/614c에서의 무선 능력의 표시에 포함될 수 있다. 양상들에서, 614a/614c에서의 무선 능력의 표시는 AI 능력 또는 ML 능력 중 적어도 하나에 대응하는 무선 능력 ID에 기초할 수 있다. 610a-b에서 수신되는 AI 능력 또는 ML 능력 중 적어도 하나의 표시는 616a/616c에서의 코어 네트워크 능력의 표시에 포함될 수 있다. 양상들에서, 610a-b에서 수신되는 AI 능력 또는 ML 능력 중 적어도 하나의 표시는, 614a/614c에서의 무선 능력의 표시 및 616a/616c에서의 코어 네트워크 능력의 표시와는 별도로 618a/618c에서 수신될 수 있다. AI 능력 또는 ML 능력 중 적어도 하나의 표시는 614a/614c에서의 무선 능력의 표시 및 616a/616c에서의 코어 네트워크 능력의 표시와는 별도의 IE에서, 618a/618c에서 수신될 수 있으며, 여기서 별도의 IE는 614a/614c에서의 무선 능력의 표시 또는 616a/616c에서의 코어 네트워크 능력의 표시 중 적어도 하나와 함께 또는 이와는 별도로 618a/618c에서 수신될 수 있다. 618a/618c에서 수신되는 별도의 IE는 AI 능력 ID 또는 ML 능력 ID 중 적어도 하나를 포함할 수 있다. 608a-b에서 송신되는 UE 능력을 보고하도록 하는 요청 또는 610a-b에서 수신되는 AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력 중 하나 이상의 능력의 표시 중 적어도 하나는 RRC 메시지 또는 NAS 메시지에 포함될 수 있다.
[0106]
906에서, 네트워크 엔티티는 AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력의 표시 중 적어도 하나를 제2 네트워크 엔티티에게 보고할 수 있다. 예를 들어, 도 6을 참조하면, 네트워크 엔티티는 기지국(604)일 수 있으며, 610b에서 기지국(604)은, 610a에서 수신한 UE 능력 정보를 코어 네트워크(606)에 보고할 수 있다.
[0107]
908에서, 제1 네트워크 엔티티가 기지국인 경우, 이 네트워크 엔티티는 AI 능력 또는 ML 능력의 일부를 코어 네트워크에게 표시할 수 있다. 예를 들어, 도 6을 참조하면, 네트워크 엔티티가 기지국(604)인 경우, 이 네트워크 엔티티는, 614c/616c/618c에서, UE 능력 정보를 코어 네트워크(606)에게 중계할 수 있다.
[0108]
도 910에서, 제1 네트워크 엔티티가 코어 네트워크인 경우, 이 네트워크 엔티티는 UE를 서빙하는 기지국에게 AI 능력 또는 ML 능력의 일부를 표시할 수 있다. 예를 들어, 도 6을 참조하면, 네트워크 엔티티가 코어 네트워크(606)인 경우, 이 네트워크 엔티티는, 614b/616b/618b에서, 기지국(604)에게 UE 능력 정보를 중계할 수 있다.
[0109]
도 10은 장치(1002)에 대한 하드웨어 구현의 일 예를 예시하는 다이어그램(1000)이다. 장치(1002)는 UE일 수도 있고, UE의 컴포넌트일 수도 있고, UE 기능을 구현할 수도 있다. 일부 양상들에서, 장치(1002)는 셀룰러 RF 트랜시버(1022)에 커플링된 셀룰러 베이스밴드 프로세서(1004)(모뎀으로도 지칭됨)를 포함할 수 있다. 일부 양상들에서, 장치(1002)는 하나 이상의 SIM(subscriber identity module) 카드들(1020), SD(secure digital) 카드(1008) 및 스크린(1010)에 커플링된 애플리케이션 프로세서(1006), 블루투스 모듈(1012), WLAN(wireless local area network) 모듈(1014), GPS(Global Positioning System) 모듈(1016), 또는 전력 공급 장치(1018)를 더 포함할 수 있다. 셀룰러 베이스밴드 프로세서(1004)는 셀룰러 RF 트랜시버(1022)를 통해 UE(104) 및/또는 기지국(102/180)과 통신한다. 셀룰러 베이스밴드 프로세서(1004)는 컴퓨터 판독 가능 매체/메모리를 포함할 수 있다. 컴퓨터 판독 가능 매체/메모리는 비일시적일 수 있다. 셀룰러 베이스밴드 프로세서(1004)는 컴퓨터 판독 가능 매체/메모리에 저장된 소프트웨어의 실행을 포함하는 일반적인 프로세싱을 담당한다. 소프트웨어는, 셀룰러 베이스밴드 프로세서(1004)에 의해 실행될 때, 셀룰러 베이스밴드 프로세서(1004)로 하여금, 위에서 설명되는 다양한 기능들을 수행하게 한다. 컴퓨터 판독 가능 매체/메모리는 또한, 소프트웨어를 실행하는 경우 셀룰러 베이스밴드 프로세서(1004)에 의해 조작되는 데이터를 저장하기 위해 사용될 수 있다. 셀룰러 베이스밴드 프로세서(1004)는 수신 컴포넌트(1030), 통신 매니저(1032) 및 송신 컴포넌트(1034)를 더 포함한다. 통신 매니저(1032)는 하나 이상의 예시된 컴포넌트들을 포함한다. 통신 매니저(1032) 내의 컴포넌트들은 컴퓨터 판독 가능 매체/메모리에 저장될 수 있고 그리고/또는 셀룰러 베이스밴드 프로세서(1004) 내의 하드웨어로서 구성될 수 있다. 셀룰러 베이스밴드 프로세서(1004)는 UE(350)의 컴포넌트일 수 있으며, 메모리(360) 및/또는 TX 프로세서(368), RX 프로세서(356) 및 컨트롤러/프로세서(359) 중 적어도 하나를 포함할 수 있다. 일 구성에서, 장치(1002)는 모뎀 칩일 수 있고, 단지 베이스밴드 프로세서(1004)를 포함할 수 있으며, 다른 구성에서, 장치(1002)는 전체 UE(예를 들어, 도 3의 350 참조)일 수 있으며, 장치(1002)의 추가 모듈들을 포함할 수 있다.
[0110]
통신 매니저(1032)는, 예를 들어, 702 및 704와 관련하여 설명된 바와 같이, AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 수신하고; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 송신하도록 구성되는 UE 능력 표시자 컴포넌트(1040)를 포함한다.
[0111]
장치는 도 7의 흐름도에서의 알고리즘의 블록들 각각을 수행하는 추가적인 컴포넌트들을 포함할 수 있다. 따라서, 도 7의 흐름도들에서의 각각의 블록은 컴포넌트에 의해 수행될 수 있고, 장치는 그러한 컴포넌트들 중 하나 이상을 포함할 수 있다. 컴포넌트들은 언급된 프로세스들/알고리즘을 수행하도록 특정적으로 구성된 하나 이상의 하드웨어 컴포넌트들일 수 있거나, 언급된 프로세스들/알고리즘을 수행하도록 구성된 프로세서에 의해 구현될 수 있거나, 프로세서에 의한 구현을 위해 컴퓨터 판독 가능 매체 내에 저장될 수 있거나, 이들의 일부 조합일 수 있다.
[0112]
도시된 바와 같이, 장치(1002)는 다양한 기능들을 위해 구성된 다양한 컴포넌트들을 포함할 수 있다. 일 구성에서, 장치(1002), 및 특히 셀룰러 베이스밴드 프로세서(1004)는 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 수신하기 위한 수단; 및 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 송신하기 위한 수단을 포함한다. 이 송신하기 위한 수단은 프로세싱 능력, 메모리 능력, 하드웨어 가속 능력, 저장된 라이브러리, 저장된 모델 포맷, 저장된 모델, 최대 동시성 능력, 모델 조합, 테스트된 모델 조합 또는 양자화 중 적어도 하나를 표시하도록 구성될 수 있다. 이 송신하기 위한 수단은 AS에 대한 AI 능력 또는 ML 능력 중 적어도 하나의 제1 부분을 표시하고, NAS에 대한 AI 능력 또는 ML 능력 중 적어도 하나의 제2 부분을 표시하도록 추가로 구성될 수 있다.
[0113]
이 수단은 이 수단에 의해 인용된 기능들을 수행하도록 구성된 장치(1002)의 구성 컴포넌트들 중 하나 이상일 수 있다. 위에서 설명된 바와 같이, 장치(1002)는 TX 프로세서(368), RX 프로세서(356), 및 컨트롤러/프로세서(359)를 포함할 수 있다. 따라서, 일 구성에서, 이 수단은 TX 프로세서(368), RX 프로세서(356), 및 이 수단에 의해 인용된 기능들을 수행하도록 구성된 컨트롤러/프로세서(359)일 수 있다.
[0114]
도 11은 장치(1102)에 대한 하드웨어 구현의 일 예를 예시하는 다이어그램(1100)이다. 장치(1102)는 기지국일 수 있거나, 기지국의 컴포넌트일 수 있거나, 기지국 기능을 구현할 수 있다. 일부 양상들에서, 장치(1002)는 베이스밴드 유닛(1104)을 포함할 수 있다. 베이스밴드 유닛(1104)은 셀룰러 RF 트랜시버(1122)를 통해 UE(104)와 통신할 수 있다. 베이스밴드 유닛(1104)은 컴퓨터 판독 가능 매체/메모리를 포함할 수 있다. 베이스밴드 유닛(1104)은 컴퓨터 판독 가능 매체/메모리에 저장된 소프트웨어의 실행을 포함하는, 일반적인 프로세싱을 담당한다. 소프트웨어는, 베이스밴드 유닛(1104)에 의해 실행될 때, 베이스밴드 유닛(1104)으로 하여금, 위에서 설명된 다양한 기능들을 수행하게 한다. 컴퓨터 판독 가능 매체/메모리는 또한, 소프트웨어를 실행하는 경우 베이스밴드 유닛(1104)에 의해 조작되는 데이터를 저장하기 위해 사용될 수 있다. 베이스밴드 유닛(1104)은 수신 컴포넌트(1130), 통신 매니저(1132) 및 송신 컴포넌트(1134)를 더 포함한다. 통신 매니저(1132)는 하나 이상의 예시된 컴포넌트들을 포함한다. 통신 매니저(1132) 내의 컴포넌트들은 컴퓨터 판독 가능 매체/메모리에 저장될 수 있고 그리고/또는 베이스밴드 유닛(1104) 내의 하드웨어로서 구성될 수 있다. 베이스밴드 유닛(1104)은 기지국(310)의 컴포넌트일 수 있으며, 메모리(376) 및/또는 TX 프로세서(316), RX 프로세서(370) 및 컨트롤러/프로세서(375) 중 적어도 하나를 포함할 수 있다.
[0115]
통신 매니저(1132)는, 예를 들어, 802, 804, 902 및 904와 관련하여 설명된 바와 같이, AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 송신하고; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 수신하도록 구성되는 UE 능력 요청자 컴포넌트(1140)를 포함한다. 통신 매니저(1132)는, 예를 들어, 906과 관련하여 설명된 바와 같이, AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력의 표시 중 적어도 하나를 제2 네트워크 엔티티에 보고하도록 구성된 리포터 컴포넌트(1142)를 더 포함한다. 통신 매니저(1132)는, 예를 들어, 908 및 910과 관련하여 설명된 바와 같이, 제1 네트워크 엔티티가 기지국인 경우 AI 능력 또는 ML 능력의 일부를 코어 네트워크에게 표시하며; 그리고 제1 네트워크 엔티티가 코어 네트워크인 경우, AI 능력 또는 ML 능력의 일부를 UE를 서빙하는 기지국에 표시하도록 구성되는 표시 컴포넌트(1144)를 더 포함한다.
[0116]
이 장치는 도 8 내지 도 9의 흐름도들에서의 알고리즘의 블록들 각각을 수행하는 추가적인 컴포넌트들을 포함할 수 있다. 따라서, 도 8 내지 도 9의 흐름도들에서의 각각의 블록은 컴포넌트에 의해 수행될 수 있고, 이 장치는 그러한 컴포넌트들 중 하나 이상을 포함할 수 있다. 컴포넌트들은, 언급된 프로세스들/알고리즘을 수행하도록 특정적으로 구성된 하나 이상의 하드웨어 컴포넌트들일 수 있거나, 언급된 프로세스들/알고리즘을 수행하도록 구성된 프로세서에 의해 구현될 수 있거나, 프로세서에 의한 구현을 위해 컴퓨터 판독 가능 매체 내에 저장될 수 있거나, 이들의 일부 조합일 수 있다.
[0117]
도시된 바와 같이, 장치(1102)는 다양한 기능들을 위해 구성된 다양한 컴포넌트들을 포함할 수 있다. 일 구성에서, 장치(1102), 특히 베이스밴드 유닛(1104)은, AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 송신하기 위한 수단; 및 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 수신하기 위한 수단을 포함한다. 장치(1102)는 AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력의 표시 중 적어도 하나를 제2 네트워크 엔티티에 보고하기 위한 수단을 더 포함한다. 장치(1102)는 AI 능력 또는 ML 능력의 일부를 코어 네트워크에 표시하기 위한 수단을 더 포함한다. 장치(1102)는 AI 능력 또는 ML 능력의 일부를 UE를 서빙하는 기지국에 표시하기 위한 수단을 더 포함한다.
[0118]
이 수단은 이 수단에 의해 인용된 기능들을 수행하도록 구성된 장치(1102)의 컴포넌트들 중 하나 이상일 수 있다. 위에서 설명된 바와 같이, 장치(1102)는 TX 프로세서(316), RX 프로세서(370), 및 컨트롤러/프로세서(375)를 포함할 수 있다. 따라서, 일 구성에서, 이 수단은 TX 프로세서(316), RX 프로세서(370), 및 이 수단에 의해 인용된 기능들을 수행하도록 구성된 컨트롤러/프로세서(375)일 수 있다.
[0119]
개시된 프로세스들/흐름도들의 블록들의 특정 순서 또는 계층 구조는 예시적인 접근법들의 예시임이 이해된다. 설계 선호도들에 기초하여, 프로세스들/흐름도들의 블록들의 특정 순서 또는 계층 구조가 재배열될 수 있음이 이해된다. 추가로, 일부 블록들은 결합되거나 생략될 수 있다. 첨부된 방법 청구항들은 다양한 블록들의 엘리먼트들을 예시적 순서로 제시하고, 제시된 특정 순서 또는 계층 구조로 제한되도록 의도되지 않는다.
[0120]
상기의 설명은 임의의 당업자가 본 명세서에 설명되는 다양한 양상들을 실시할 수 있게 하도록 제공된다. 이러한 양상들에 대한 다양한 변형들이 당업자들에게 쉽게 명백할 것이며, 본 명세서에 정의된 일반적 원리들은 다른 양상들에 적용될 수 있다. 따라서, 청구항들은 본 명세서에 나타난 양상들로 제한되는 것으로 의도되는 것이 아니라 청구항 문언과 일치하는 전체 범위에 따르며, 단수형 엘리먼트에 대한 참조는, "하나 및 오직 하나"로 구체적으로 언급되지 않는 한 그렇게 의도되는 것이 아니라 "하나 이상"으로 의도된다. "만약에", "언제", "동안"과 같은 용어들은 즉각적인 시간적 관계나 반응을 암시하기는 것이 아닌 "조건 하에서"를 의미하는 것으로 해석되어야 한다. 즉, 이러한 문구들, 예를 들어, "언제"는 행위의 발생에 대한 응답으로 또는 도중에 즉각적인 행동을 암시하는 것이 아닌, 단순히 조건이 만족되면 행위가 발생한다는 것을 암시하지만, 행위가 발생하기 위한 구체적이거나 즉각적인 시간 제약을 요구하지 않는다. "예시적인"이라는 단어는, "예, 예증 또는 예시로서의 역할을 하는" 것을 의미하도록 본 명세서에서 사용된다. 본 명세서에서 "예시적인" 것으로 설명되는 임의의 양상은 반드시 다른 양상들에 비해 선호되거나 유리한 것으로 해석될 필요는 없다. 구체적으로 달리 언급되지 않으면, 용어 "일부"는 하나 이상을 지칭한다. "A, B 또는 C 중 적어도 하나", "A, B 또는 C 중 하나 이상", "A, B 및 C 중 적어도 하나", "A, B 및 C 중 하나 이상" 및 "A, B, C 또는 이들의 임의의 조합"과 같은 조합들은 A, B 및/또는 C의 임의의 조합을 포함하고, 다수의 A, 다수의 B 또는 다수의 C를 포함할 수 있다. 구체적으로, "A, B 또는 C 중 적어도 하나", "A, B 또는 C 중 하나 이상", "A, B 및 C 중 적어 도 하나", "A, B 및 C 중 하나 이상" 및 "A, B, C 또는 이들의 임의의 조합"과 같은 조합들은 오직 A, 오직 B, 오직 C, A 및 B, A 및 C, B 및 C 또는 A 및 B 및 C일 수 있고, 임의의 이러한 조합들은 A, B 또는 C의 하나 이상의 멤버 또는 멤버들을 포함할 수 있다. 본 기술분야의 통상의 기술자들에게 공지되거나 추후 공지될 본 개시내용 전반에 걸쳐 설명되는 다양한 양상들의 엘리먼트들에 대한 모든 구조적 및 기능적 균등물들은 본 개시내용에 참조로 명백하게 통합되어 있고 청구항들에 의해 포함되는 것으로 의도된다. 또한, 본 명세서에 개시된 어떠한 것도, 이러한 개시내용이 청구항들에 명시적으로 인용되었는지 여부와 무관하게 대중에게 제공되도록 의도되지 않는다. 용어들 "모듈", "메커니즘", "엘리먼트", "디바이스" 등은 용어 "수단"에 대한 대용물이 아닐 수 있다. 따라서, 엘리먼트가 "수단"이라는 어구를 사용하여 명시적으로 인용되지 않으면, 어떠한 청구항 엘리먼트도 수단 및 기능으로 해석되어서는 안된다.
[0121]
다음의 양상들은 단지 예시적인 것이며, 제한없이 본 개시내용에 기술된 다른 양상들 또는 교시들과 조합될 수 있다.
[0122]
양상 1은 UE에서의 무선 통신을 위한 장치이며, 이 장치는 메모리에 커플링되고 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 수신하고; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 송신하도록 구성되는 적어도 하나의 프로세서를 포함한다.
[0123]
양상 2는 양상 1과 조합될 수 있으며, UE가 AI 능력 또는 ML 능력 중 적어도 하나를 송신하는 것을 포함하고, 여기서 표시의 송신은 프로세싱 능력, 메모리 능력, 하드웨어 가속 능력, 저장된 라이브러리, 저장된 모델 포맷, 저장된 모델, 최대 동시성 능력, 모델 조합, 테스트된 모델 조합 또는 양자화 중 적어도 하나를 표시한다.
[0124]
양상 3은 양상 1 내지 양상 2 중 어느 한 양상과 조합될 수 있으며, UE가 하나 이상의 AS 절차들에 대한 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력을 송신하는 것을 포함한다.
[0125]
양상 4는 양상 1 내지 양상 3 중 어느 한 양상과 조합될 수 있으며, UE가 AI 절차 또는 ML 절차를 지원하는 각각의 AS 기능에 대한 별도의 표시를 송신하는 것을 포함한다.
[0126]
양상 5는 양상 1 내지 양상 4 중 어느 한 양상과 조합될 수 있으며, UE가 MM 절차 또는 SM 절차 중 하나 이상에 대한 코어 네트워크 능력을 송신하는 것을 포함한다.
[0127]
양상 6은 양상 1 내지 양상 5 중 어느 한 양상과 조합될 수 있으며, UE가 AI 절차 또는 ML 절차를 지원하는 각각의 MM 기능 또는 SM 기능에 대한 별도의 표시를 송신하는 것을 포함한다.
[0128]
양상 7은 양상 1 내지 양상 6 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력들 중 적어도 하나의 표시가 무선 능력의 표시에 포함되는 것을 포함한다.
[0129]
양상 8은 양상 1 내지 양상 7 중 어느 한 양상과 조합될 수 있으며, 무선 능력의 표시에 포함되는 AI 능력 또는 ML 능력중 적어도 하나의 표시가 AI 능력 또는 ML 능력 중 적어도 하나에 대응하는 무선 능력 ID를 표시하는 것을 포함한다.
[0130]
양상 9는 양상 1 내지 양상 8 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력 중 적어도 하나의 표시가 코어 네트워크 능력의 표시에 포함되는 것을 포함한다.
[0131]
양상 10은 양상 1 내지 양상 6 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력 중 적어도 하나의 표시가 무선 능력의 표시 및 코어 네트워크 능력의 표시와는 별도로 송신되는 것을 포함한다.
[0132]
양상 11은 양상 1 내지 양상 6 또는 양상 10 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력 중 적어도 하나의 표시가 무선 능력의 표시 및 코어 네트워크 능력의 표시와는 별도의 IE에서 송신되고, 별도의 IE는 무선 능력의 표시 또는 코어 네트워크의 표시 중 적어도 하나와 함께 송신되는 것을 포함한다.
[0133]
양상 12는 양상 1 내지 6 또는 양상 10 또는 양상 11 중 어느 한 양상과 조합될 수 있으며, 별도의 IE가 AI 능력 ID 또는 ML 능력 ID 중 적어도 하나를 포함하는 것을 포함한다.
[0134]
양상 13은 양상 1 내지 양상 6 또는 양상 10 내지 양상 12 중 어느 한 양상과 조합될 수 있으며, UE 능력을 보고하도록 하는 요청 또는 AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력 중 하나 이상의 능력의 표시 중 적어도 하나가 RRC 메시지 또는 NAS 메시지에 포함되는 것을 포함한다.
[0135]
양상 14는 양상 1 내지 양상 13 중 어느 한 양상과 조합될 수 있으며, 표시의 송신이 AS에 대한 AI 능력 또는 ML 능력 중 적어도 하나의 제1 부분을 표시하고 그리고 NAS에 대한 AI 능력 또는 ML 능력 중 적어도 하나의 제2 부분을 표시하는 것을 포함한다.
[0136]
양상 15는 양상 1 내지 양상 14 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력이 프로세싱 능력 또는 메모리 능력에 대응하는 것을 포함한다.
[0137]
양상 16은 양상 1 내지 양상 15 중 어느 한 양상과 조합될 수 있으며, UE 능력이 CSI 피드백에 대한 것인 것을 포함한다.
[0138]
양상 17은 기지국에서의 무선 통신을 위한 장치이며, 이 장치는 메모리에 커플링되고 AI 절차 또는 ML 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 송신하고; 그리고 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, AI 절차 또는 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 AI 절차 또는 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 표시를 수신하도록 구성되는 적어도 하나의 프로세서를 포함한다.
[0139]
양상 18은 양상 17과 조합될 수 있으며, 네트워크 엔티티가 프로세싱 능력, 메모리 능력, 하드웨어 가속 능력, 저장된 라이브러리, 저장된 모델 포맷, 저장된 모델, 최대 동시성 능력, 모델 조합, 테스트된 모델 조합, 또는 양자화 중 적어도 하나를 표시하는 AI 능력 또는 ML 능력 중 적어도 하나를 수신하는 것을 포함한다.
[0140]
양상 19는 양상 17 내지 양상 18 중 어느 한 양상과 조합될 수 있으며, 네트워크 엔티티는 하나 이상의 AS 절차들에 대한 AI 능력 또는 ML 능력 중 적어도 하나와 연관된 무선 능력을 수신하는 것을 포함한다.
[0141]
양상 20은 양상 17 내지 양상 19 중 어느 한 양상과 조합될 수 있으며, 네트워크 엔티티는 UE가 AI 절차 또는 ML 절차를 지원하는 각각의 AS 기능에 대한 별도의 표시를 수신하는 것을 포함한다.
[0142]
양상 21은 양상 17 내지 양상 20 중 어느 한 양상과 조합될 수 있으며, 네트워크 엔티티는 MM 절차 또는 SM 절차 중 하나 이상에 대한 코어 네트워크 능력을 수신하는 것을 포함한다.
[0143]
양상 22는 양상 17 내지 양상 21 중 어느 한 양상과 조합될 수 있으며, 네트워크 엔티티는 UE가 AI 절차 또는 ML 절차를 지원하는 각각의 MM 기능 또는 SM 기능에 대한 별도의 표시를 수신하는 것을 포함한다.
[0144]
양상 23은 양상 17 내지 양상 22 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력의 적어도 하나의 표시가 무선 능력의 표시에 포함되는 것을 포함한다.
[0145]
양상 24는 양상 17 내지 양상 23 중 어느 한 양상과 조합될 수 있으며, 무선 능력의 표시에 포함되는 AI 능력 또는 ML 능력 중 적어도 하나의 표시가 AI 능력 또는 ML 능력 중 적어도 하나에 대응하는 무선 능력 ID를 표시하는 것을 포함한다.
[0146]
양상 25는 양상 17 내지 양상 24 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력 중 적어도 하나의 표시가 코어 네트워크 능력의 표시에 포함되는 것을 포함한다.
[0147]
양상 26은 양상 17 내지 양상 25 중 어느 한 양상과 조합될 수 있으며, 표시가 기지국에서 수신되는 것을 포함하고, 적어도 하나의 프로세서가 AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력의 표시 중 적어도 하나를 제2 네트워크 엔티티에 보고하도록 구성되는 것을 더 포함한다.
[0148]
양상 27은 양상 17 내지 양상 22 또는 양상 26 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력의 적어도 하나의 표시가 무선 능력의 표시 및 코어 네트워크 능력의 표시와는 별도로 수신되는 것을 포함한다.
[0149]
양상 28은 양상 17 내지 양상 22 또는 양상 26 또는 양상 27 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력 중 적어도 하나의 표시가 무선 능력의 표시 및 코어 네트워크 능력의 표시와는 별도의 IE에서 수신되며, 별도의 IE는 무선 능력의 표시 또는 코어 네트워크 능력의 표시 중 적어도 하나와 함께 수신되는 것을 포함한다.
[0150]
양상 29는 양상 17 내지 양상 22 또는 양상 26 내지 양상 28 중 어느 한 양상과 조합될 수 있으며, 별도의 IE가 AI 능력 ID 또는 ML 능력 ID 중 적어도 하나를 포함하는 것을 포함한다.
[0151]
양상 30은 양상 17 내지 양상 22 또는 양상 26 내지 양상 29 중 어느 한 양상과 조합될 수 있으며, UE 능력을 보고하도록 하는 요청 또는 AI 능력, ML 능력, 무선 능력, 또는 코어 네트워크 능력 중 하나 이상의 능력의 표시 중 적어도 하나가 RRC 절차 또는 NAS 절차 중 적어도 하나에 기초하는 것을 포함한다.
[0152]
양상 31은 양상 17 내지 양상 30 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력 중 적어도 하나의 표시가 기지국에서 수신되는 것을 포함하고, 그리고 적어도 하나의 프로세서가 AI 능력 또는 ML 능력의 일부를 코어 네트워크에 표시하도록 구성되는 것을 더 포함한다.
[0153]
양상 32는 양상 17 내지 양상 30 중 어느 한 양상과 조합될 수 있으며, AI 능력 또는 ML 능력 중 적어도 하나의 표시가 코어 네트워크에서 수신되는 것을 포함하고, 그리고 적어도 하나의 프로세서가 UE를 서빙하는 기지국에게 AI 능력 또는 ML 능력의 일부를 표시하도록 구성되는 것을 더 포함한다.
[0154]
양상 33은 양상 17 내지 양상 32 중 어느 한 양상과 조합될 수 있으며, UE 능력이 CSI 피드백에 대한 것인 것을 포함한다.
[0155]
양상 34는 양상 1 내지 양상 33 중 어느 한 양상을 구현하기 위한 무선 통신 방법이다.
[0156]
양상 35는 양상 1 내지 양상 33 중 어느 한 양상을 구현하기 위한 수단을 포함하는 무선 통신 장치이다.
[0157]
양상 36은 적어도 하나의 프로세서에 의해 실행될 때 적어도 하나의 프로세서로 하여금 양상 1 내지 양상 33 중 어느 한 양상을 구현하게 하는, 컴퓨터 실행 가능 코드를 저장하는 컴퓨터 판독 가능 매체이다.
Claims (30)
- UE(user equipment)에서의 무선 통신을 위한 장치로서,
메모리; 및
상기 메모리에 커플링되는 적어도 하나의 프로세서를 포함하며,
상기 적어도 하나의 프로세서는,
AI(artificial intelligence) 절차 또는 ML(machine learning) 절차 중 적어도 하나에 대한 UE 능력을 보고하도록 하는 요청을 수신하고; 그리고
상기 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, 상기 AI 절차 또는 상기 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 상기 AI 절차 또는 상기 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 송신하도록 구성되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나를 송신하도록 구성되고, 상기 표시의 송신은 프로세싱 능력, 메모리 능력, 하드웨어 가속 능력, 저장된 라이브러리, 저장된 모델 포맷, 저장된 모델, 최대 동시성(maximum concurrency) 능력, 모델 조합, 테스트된 모델 조합 또는 양자화(quantization) 중 적어도 하나를 표시하는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 하나 이상의 AS(access stratum) 절차들에 대한 상기 AI 절차 또는 상기 ML 절차 중 적어도 하나와 연관된 상기 무선 능력을 송신하도록 구성되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제3 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 상기 UE가 상기 AI 절차 또는 상기 ML 절차를 지원하는 각각의 AS 기능에 대한 별도의 표시를 송신하도록 구성되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 MM(mobility management) 절차 또는 SM(session management) 절차 중 하나 이상에 대한 상기 코어 네트워크 능력을 송신하도록 구성되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제5 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 상기 UE가 상기 AI 절차 또는 상기 ML 절차를 지원하는 각각의 MM 기능 또는 SM 기능에 대한 별도의 표시를 송신하도록 구성되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 무선 능력의 표시에 포함되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제7 항에 있어서,
상기 무선 능력의 표시에 포함되는 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나에 대응하는 무선 능력 ID(identifier)를 표시하는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 코어 네트워크 능력의 표시에 포함되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 무선 능력의 표시 및 상기 코어 네트워크 능력의 표시와는 별도로 송신되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제10 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 무선 능력의 표시 및 상기 코어 네트워크 능력의 표시와는 별도의 IE(information element)에서 송신되며, 상기 별도의 IE는 상기 무선 능력의 표시 또는 상기 코어 네트워크 능력의 표시 중 적어도 하나와 함께 송신되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제10 항에 있어서,
상기 UE 능력을 보고하도록 하는 요청 또는 상기 AI 능력, 상기 ML 능력, 상기 무선 능력, 또는 상기 코어 네트워크 능력 중 하나 이상의 능력의 표시 중 적어도 하나는 RRC(radio resource control) 메시지 또는 NAS(non-access stratum) 메시지에 포함되는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 표시의 송신은 AS(access stratum)에 대한 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 제1 부분을 표시하며 그리고 NAS(non-access stratum)에 대한 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 제2 부분을 표시하는,
UE(user equipment)에서의 무선 통신을 위한 장치. - 제1 항에 있어서,
상기 UE 능력은 CSI(channel state informatio) 피드백에 대한 것인,
UE(user equipment)에서의 무선 통신을 위한 장치. - 무선 네트워크에서의 무선 통신을 위한 장치로서,
메모리; 및
상기 메모리에 커플링되는 적어도 하나의 프로세서를 포함하며,
상기 적어도 하나의 프로세서는,
AI(artificial intelligence) 절차 또는 ML(machine learning) 절차 중 적어도 하나에 대한 UE(user equipment) 능력을 보고하도록 하는 요청을 송신하고; 그리고
상기 UE 능력을 보고하도록 하는 요청에 기초하여, AI 능력, ML 능력, 상기 AI 절차 또는 상기 ML 절차 중 적어도 하나와 연관된 무선 능력, 또는 상기 AI 절차 또는 상기 ML 절차 중 적어도 하나와 연관된 코어 네트워크 능력 중 하나 이상의 능력의 표시를 수신하도록 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 프로세싱 능력, 메모리 능력, 하드웨어 가속 능력, 저장된 라이브러리, 저장된 모델 포맷, 저장된 모델, 최대 동시성 능력, 모델 조합, 테스트된 모델 조합 또는 양자화 중 적어도 하나를 표시하는 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나를 수신하도록 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 하나 이상의 AS(access stratum) 절차들에 대한 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나와 연관된 상기 무선 능력을 수신하도록 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제17 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 상기 UE가 상기 AI 절차 또는 상기 ML 절차를 지원하는 각각의 AS 기능에 대한 별도의 표시를 수신하도록 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 MM(mobility management) 절차 또는 SM(session management) 절차 중 하나 이상에 대한 상기 코어 네트워크 능력을 수신하도록 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제19 항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는 상기 UE가 상기 AI 절차 또는 상기 ML 절차를 지원하는 각각의 MM 기능 또는 SM 기능에 대한 별도의 표시를 수신하도록 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 무선 능력의 표시에 포함되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제21 항에 있어서,
상기 무선 능력의 표시에 포함되는 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 AI 능력 또는 상기 ML 능력 중 적어도 하나에 대응하는 무선 능력 ID(identifier)를 표시하는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 코어 네트워크 능력의 표시에 포함되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 표시는 기지국에서 수신되며, 상기 적어도 하나의 프로세서는 상기 AI 능력, 상기 ML 능력, 상기 무선 능력, 또는 상기 코어 네트워크 능력의 표시 중 적어도 하나를 제2 네트워크 엔티티에 보고하도록 추가로 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 무선 능력의 표시 및 상기 코어 네트워크 능력의 표시와는 별도로 수신되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제25 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 상기 무선 능력의 표시 및 상기 코어 네트워크 능력의 표시와는 별도의 IE(information element)에서 수신되며, 상기 별도의 IE는 상기 무선 능력의 표시 또는 상기 코어 네트워크 능력의 표시 중 적어도 하나와 함께 수신되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제25 항에 있어서,
상기 UE 능력을 보고하도록 하는 요청 또는 상기 AI 능력, 상기 ML 능력, 상기 무선 능력, 또는 상기 코어 네트워크 능력 중 하나 이상의 능력의 표시 중 적어도 하나는 RRC(radio resource control) 절차 또는 NAS(non-access stratum) 절차 중 적어도 하나에 기초하는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 기지국에서 수신되며, 상기 적어도 하나의 프로세서는 상기 AI 능력 또는 상기 ML 능력의 일부를 코어 네트워크에 표시하도록 추가로 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 AI 능력 또는 상기 ML 능력 중 적어도 하나의 표시는 코어 네트워크에서 수신되며, 상기 적어도 하나의 프로세서는 상기 AI 능력 또는 상기 ML 능력의 일부를, 상기 UE를 서빙하는 기지국에 표시하도록 추가로 구성되는,
무선 네트워크에서의 무선 통신을 위한 장치. - 제15 항에 있어서,
상기 UE 능력은 CSI(channel state information) 피드백에 대한 것인,
무선 네트워크에서의 무선 통신을 위한 장치.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/308,970 US11825553B2 (en) | 2021-05-05 | 2021-05-05 | UE capability for AI/ML |
US17/308,970 | 2021-05-05 | ||
PCT/US2022/023448 WO2022235363A1 (en) | 2021-05-05 | 2022-04-05 | Ue capability for ai/ml |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20240004387A true KR20240004387A (ko) | 2024-01-11 |
Family
ID=81653767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020237037146A KR20240004387A (ko) | 2021-05-05 | 2022-04-05 | Ai/ml에 대한 ue 능력 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11825553B2 (ko) |
EP (1) | EP4335133A1 (ko) |
KR (1) | KR20240004387A (ko) |
CN (1) | CN117242807A (ko) |
BR (1) | BR112023022229A2 (ko) |
WO (1) | WO2022235363A1 (ko) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11818806B2 (en) * | 2021-05-18 | 2023-11-14 | Qualcomm Incorporated | ML model training procedure |
US20230164817A1 (en) * | 2021-11-24 | 2023-05-25 | Lenovo (Singapore) Pte. Ltd. | Artificial Intelligence Capability Reporting for Wireless Communication |
GB2622606A (en) * | 2022-09-22 | 2024-03-27 | Nokia Technologies Oy | Capability reporting for multi-model artificial intelligence/machine learning user equipment features |
GB202216493D0 (en) * | 2022-11-04 | 2022-12-21 | Samsung Electronics Co Ltd | Prioritising data for AI/ML |
WO2024170439A1 (en) * | 2023-02-15 | 2024-08-22 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods to signal ue-associated types of available ai/ml assistance information |
WO2024093057A1 (en) * | 2023-02-24 | 2024-05-10 | Lenovo (Beijing) Limited | Devices, methods, and computer readable storage medium for communication |
WO2024193940A1 (en) * | 2023-03-17 | 2024-09-26 | Nokia Technologies Oy | Transmission by the ue of the requirements upon which ml features combinations are supported by the ue |
WO2024207399A1 (en) * | 2023-04-07 | 2024-10-10 | Qualcomm Incorporated | Machine learning-based control information capability signaling, report configuration, and payload determination |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11564271B2 (en) * | 2017-08-11 | 2023-01-24 | Nokia Technologies Oy | User equipment category signaling in an LTE-5G configuration |
KR102664929B1 (ko) * | 2018-08-10 | 2024-05-09 | 삼성전자주식회사 | 이동통신 시스템에서 데이터 손실을 줄이기 위한 방법 및 장치 |
WO2020080989A1 (en) | 2018-10-19 | 2020-04-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Handling of machine learning to improve performance of a wireless communications network |
US10992331B2 (en) * | 2019-05-15 | 2021-04-27 | Huawei Technologies Co., Ltd. | Systems and methods for signaling for AI use by mobile stations in wireless networks |
CN111954206B (zh) * | 2019-05-17 | 2024-04-09 | 株式会社Ntt都科摩 | 终端和基站 |
US12120774B2 (en) | 2019-09-13 | 2024-10-15 | Nokia Technologies Oy | Radio resource control procedures for machine learning |
WO2021064275A1 (en) | 2019-10-02 | 2021-04-08 | Nokia Technologies Oy | Radio access information reporting in wireless network |
WO2021063500A1 (en) * | 2019-10-02 | 2021-04-08 | Nokia Technologies Oy | Providing producer node machine learning based assistance |
WO2021089568A1 (en) * | 2019-11-04 | 2021-05-14 | Telefonaktiebolaget Lm Ericsson (Publ) | Machine learning non-standalone air-interface |
US11611457B2 (en) * | 2021-02-11 | 2023-03-21 | Northeastern University | Device and method for reliable classification of wireless signals |
US20220287104A1 (en) * | 2021-03-05 | 2022-09-08 | Samsung Electronics Co., Ltd. | Method and apparatus for support of machine learning or artificial intelligence techniques in communication systems |
US20220338189A1 (en) * | 2021-04-16 | 2022-10-20 | Samsung Electronics Co., Ltd. | Method and apparatus for support of machine learning or artificial intelligence techniques for csi feedback in fdd mimo systems |
-
2021
- 2021-05-05 US US17/308,970 patent/US11825553B2/en active Active
-
2022
- 2022-04-05 BR BR112023022229A patent/BR112023022229A2/pt unknown
- 2022-04-05 WO PCT/US2022/023448 patent/WO2022235363A1/en active Application Filing
- 2022-04-05 CN CN202280031918.5A patent/CN117242807A/zh active Pending
- 2022-04-05 EP EP22723508.2A patent/EP4335133A1/en active Pending
- 2022-04-05 KR KR1020237037146A patent/KR20240004387A/ko unknown
Also Published As
Publication number | Publication date |
---|---|
WO2022235363A1 (en) | 2022-11-10 |
US20220360973A1 (en) | 2022-11-10 |
CN117242807A (zh) | 2023-12-15 |
US11825553B2 (en) | 2023-11-21 |
EP4335133A1 (en) | 2024-03-13 |
BR112023022229A2 (pt) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11818806B2 (en) | ML model training procedure | |
US11825553B2 (en) | UE capability for AI/ML | |
KR20230113297A (ko) | 셀룰러 네트워크들에서 협력 머신 러닝을 위한 모델 발견 및 선택 | |
EP4285673A1 (en) | Suspension of transmission of measurements report when a measured value corresponds to a predicted value | |
US20220030576A1 (en) | Single layer uplink non-codebook based precoding optimization | |
US20240292235A1 (en) | The combined ml structure parameters configuration | |
US20240314798A1 (en) | Dci-based indication to trigger the combined ml model | |
US20240284201A1 (en) | Ml model category grouping configuration | |
WO2023015509A1 (en) | Considerations on csi-rs configurations for interference in proximity to a reconfigurable intelligent surface | |
US20230068633A1 (en) | Ue indication of null tone placement for demodulation | |
US12035286B2 (en) | Gradient accumulation for federated learning | |
US11889503B2 (en) | UE feedback of non-preferred time-frequency resources | |
US20240049023A1 (en) | Channel state feedback with dictionary learning | |
WO2023060417A1 (en) | Ue clustering in fl model update reporting | |
WO2022222057A1 (en) | Out of distribution samples reporting for neural network optimization | |
WO2023044851A1 (en) | Ran reporting data to core network data repository | |
WO2023183711A1 (en) | User equipment indication of code block mapping type preference for physical downlink shared channel | |
WO2023201165A1 (en) | Two-step user equipment assisted code block mapping adaptation | |
TW202339538A (zh) | 細微性化使用者同意及其實施 | |
KR20240088779A (ko) | 네트워크 코딩을 위한 피드백 스태거링 또는 뮤팅 |