WO2024014862A1 - 무선 통신망에서 인공지능/머신러닝 모델을 이용하는 방법 및 장치 - Google Patents

무선 통신망에서 인공지능/머신러닝 모델을 이용하는 방법 및 장치 Download PDF

Info

Publication number
WO2024014862A1
WO2024014862A1 PCT/KR2023/009926 KR2023009926W WO2024014862A1 WO 2024014862 A1 WO2024014862 A1 WO 2024014862A1 KR 2023009926 W KR2023009926 W KR 2023009926W WO 2024014862 A1 WO2024014862 A1 WO 2024014862A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
terminal
information
base station
activation
Prior art date
Application number
PCT/KR2023/009926
Other languages
English (en)
French (fr)
Inventor
김선우
정홍석
정민수
Original Assignee
한양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020230089940A external-priority patent/KR20240008806A/ko
Application filed by 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Publication of WO2024014862A1 publication Critical patent/WO2024014862A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices

Definitions

  • NR New Radio
  • eMBB enhanced Mobile BroadBand
  • mMTC massive Machine Type Communication
  • URLLC Ultra Reliable and Low Latency Communications
  • each service requirement (usage scenario) has different requirements for data rates, latency, reliability, coverage, etc.
  • it can be used through the frequency band that makes up an arbitrary NR system.
  • numerologies e.g., subcarrier spacing, subframe, TTI (Transmission Time Interval), etc.
  • Embodiments of the present disclosure can provide a method and device for using an AI/ML model in a wireless communication network.
  • the present embodiments relate to a method for a terminal to use an AI/ML model in a wireless communication network, comprising: receiving activation or deactivation instruction information for an AI/ML model; activating the AI/ML model based on the instruction information; Alternatively, a method may be provided including the step of deactivating and transmitting a response to activation or deactivation of the AI/ML model.
  • the present embodiments include a transmitter, a receiver, and a control unit that controls the operations of the transmitter and receiver in a terminal that uses an AI/ML model in a wireless communication network, and the control unit activates or deactivates the AI/ML model.
  • a terminal may be provided that receives instruction information, activates or deactivates an AI/ML model based on the instruction information, and transmits a response to activation or deactivation of the AI/ML model.
  • a method and device for using an AI/ML model in a wireless communication network can be provided for specific procedures according to the use of the AI/ML model.
  • Figure 1 is a diagram briefly illustrating the structure of an NR wireless communication system to which this embodiment can be applied.
  • Figure 2 is a diagram for explaining the frame structure in an NR system to which this embodiment can be applied.
  • FIG. 3 is a diagram illustrating a resource grid supported by wireless access technology to which this embodiment can be applied.
  • Figure 4 is a diagram for explaining the bandwidth part supported by the wireless access technology to which this embodiment can be applied.
  • Figure 5 is a diagram illustrating a synchronization signal block in a wireless access technology to which this embodiment can be applied.
  • Figure 6 is a diagram for explaining a random access procedure in wireless access technology to which this embodiment can be applied.
  • Figure 7 is a diagram to explain CORESET.
  • FIG. 8 is a diagram illustrating an example of symbol level alignment in different subcarrier spacing (SCS) to which this embodiment can be applied.
  • SCS subcarrier spacing
  • Figure 9 is a diagram showing a conceptual example of a bandwidth part to which this embodiment can be applied.
  • FIG. 10 is a diagram illustrating the structure of a functional framework for an AI/ML model according to an embodiment.
  • Figure 11 is a diagram illustrating a procedure for a terminal to use an AI/ML model according to an embodiment.
  • Figure 12 is a diagram illustrating a procedure for a base station to use an AI/ML model according to an embodiment.
  • Figure 13 is a diagram showing the configuration of a user terminal according to another embodiment.
  • Figure 14 is a diagram showing the configuration of a base station according to another embodiment.
  • first, second, A, B, (a), and (b) may be used. These terms are only used to distinguish the component from other components, and the nature, sequence, order, or number of the components are not limited by the term.
  • temporal precedence relationships such as “after”, “after”, “after”, “before”, etc.
  • non-continuous cases may be included unless “immediately” or “directly” is used.
  • the numerical value or corresponding information e.g., level, etc.
  • the numerical value or corresponding information is related to various factors (e.g., process factors, internal or external shocks, It can be interpreted as including the error range that may occur due to noise, etc.).
  • the wireless communication system in this specification refers to a system for providing various communication services such as voice and data packets using wireless resources, and may include a terminal, a base station, or a core network.
  • the present embodiments disclosed below can be applied to wireless communication systems using various wireless access technologies.
  • the present embodiments include code division multiple access (CDMA), frequency division multiple access (FDMA), time division multiple access (TDMA), orthogonal frequency division multiple access (OFDMA), and single carrier frequency division multiple access (SC-FDMA).
  • CDMA code division multiple access
  • FDMA frequency division multiple access
  • TDMA time division multiple access
  • OFDMA orthogonal frequency division multiple access
  • SC-FDMA single carrier frequency division multiple access
  • wireless access technology not only refers to a specific access technology, but also refers to communication technology for each generation established by various communication consultative organizations such as 3GPP, 3GPP2, WiFi, Bluetooth, IEEE, and ITU.
  • CDMA can be implemented as a wireless technology such as universal terrestrial radio access (UTRA) or CDMA2000.
  • TDMA may be implemented with wireless technologies such as global system for mobile communications (GSM)/general packet radio service (GPRS)/enhanced data rates for GSM evolution (EDGE).
  • OFDMA can be implemented with wireless technologies such as IEEE (institute of electrical and electronics engineers) 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, E-UTRA (evolved UTRA), etc.
  • IEEE 802.16m is an evolution of IEEE 802.16e and provides backward compatibility with systems based on IEEE 802.16e.
  • UTRA is part of the universal mobile telecommunications system (UMTS).
  • 3GPP (3rd generation partnership project) LTE long term evolution) is a part of E-UMTS (evolved UMTS) that uses E-UTRA (evolved-UMTS terrestrial radio access), employing OFDMA in the downlink and SC- in the uplink.
  • FDMA frequency division multiple access
  • the present embodiments can be applied to wireless access technologies currently disclosed or commercialized, and can also be applied to wireless access technologies currently under development or to be developed in the future.
  • the terminal in this specification is a comprehensive concept meaning a device including a wireless communication module that communicates with a base station in a wireless communication system, and is used in WCDMA, LTE, NR, HSPA, and IMT-2020 (5G or New Radio), etc. It should be interpreted as a concept that includes not only UE (User Equipment), but also MS (Mobile Station), UT (User Terminal), SS (Subscriber Station), and wireless devices in GSM.
  • a terminal may be a user portable device such as a smart phone depending on the type of use, and in a V2X communication system, it may mean a vehicle, a device including a wireless communication module within the vehicle, etc.
  • a machine type communication system it may mean an MTC terminal, M2M terminal, URLLC terminal, etc. equipped with a communication module to perform machine type communication.
  • the base station or cell in this specification refers to an endpoint that communicates with a terminal in terms of a network, and includes Node-B (Node-B), evolved Node-B (eNB), gNode-B (gNB), Low Power Node (LPN), Sector, site, various types of antennas, BTS (Base Transceiver System), access point, point (e.g. transmission point, reception point, transmission/reception point), relay node ), mega cell, macro cell, micro cell, pico cell, femto cell, RRH (Remote Radio Head), RU (Radio Unit), and small cell.
  • a cell may mean including a bandwidth part (BWP) in the frequency domain.
  • a serving cell may mean the UE's Activation BWP.
  • base station can be interpreted in two ways. 1) It may be the device itself that provides mega cells, macro cells, micro cells, pico cells, femto cells, and small cells in relation to the wireless area, or 2) it may indicate the wireless area itself. In 1), all devices providing a predetermined wireless area are controlled by the same entity or all devices that interact to cooperatively configure the wireless area are directed to the base station. Depending on how the wireless area is configured, a point, transmission/reception point, transmission point, reception point, etc. become an example of a base station. In 2), the wireless area itself where signals are received or transmitted from the user terminal's perspective or the neighboring base station's perspective may be indicated to the base station.
  • a cell refers to the coverage of a signal transmitted from a transmission/reception point, a component carrier having coverage of a signal transmitted from a transmission point or transmission/reception point, or the transmission/reception point itself. You can.
  • Uplink refers to a method of transmitting and receiving data from a terminal to a base station
  • downlink Downlink (Downlink, DL, or downlink) refers to a method of transmitting and receiving data from a base station to a terminal.
  • Downlink may refer to communication or a communication path from multiple transmission/reception points to a terminal
  • uplink may refer to communication or a communication path from a terminal to multiple transmission/reception points.
  • the transmitter may be part of a multiple transmission/reception point, and the receiver may be part of the terminal.
  • the transmitter may be part of a terminal, and the receiver may be part of a multiple transmission/reception point.
  • Uplink and downlink transmit and receive control information through control channels such as PDCCH (Physical Downlink Control CHannel) and PUCCH (Physical Uplink Control CHannel), and PDSCH (Physical Downlink Shared CHannel), PUSCH (Physical Uplink Shared CHannel), etc.
  • Data is transmitted and received by configuring the same data channel.
  • the situation in which signals are transmitted and received through channels such as PUCCH, PUSCH, PDCCH, and PDSCH is sometimes expressed as 'transmitting and receiving PUCCH, PUSCH, PDCCH, and PDSCH.'
  • 3GPP develops 5G (5th-Generation) communication technology to meet the requirements of ITU-R's next-generation wireless access technology.
  • 3GPP develops LTE-A pro, which is a 5G communication technology that improves LTE-Advanced technology to meet the requirements of ITU-R, and a new NR communication technology that is separate from 4G communication technology.
  • LTE-A pro and NR refer to 5G communication technology, and hereinafter, 5G communication technology will be explained focusing on NR in cases where a specific communication technology is not specified.
  • the operating scenario in NR defines a variety of operating scenarios by adding consideration of satellites, automobiles, and new verticals to the existing 4G LTE scenario, and in terms of service, the eMBB (Enhanced Mobile Broadband) scenario has a high terminal density but is wide. It is deployed in a wide range of applications, supporting mMTC (Massive Machine Communication) scenarios that require low data rates and asynchronous connections, and URLLC (Ultra Reliability and Low Latency) scenarios that require high responsiveness and reliability and can support high-speed mobility. .
  • mMTC Massive Machine Communication
  • URLLC Ultra Reliability and Low Latency
  • NR is launching a wireless communication system with new waveform and frame structure technology, low latency technology, ultra-high frequency band (mmWave) support technology, and forward compatible technology.
  • mmWave ultra-high frequency band
  • the NR system proposes various technical changes in terms of flexibility to provide forward compatibility. The main technical features of NR are explained below with reference to the drawings.
  • Figure 1 is a diagram briefly illustrating the structure of an NR system to which this embodiment can be applied.
  • the NR system is divided into 5GC (5G Core Network) and NR-RAN parts, and NG-RAN controls the user plane (SDAP/PDCP/RLC/MAC/PHY) and UE (User Equipment). It consists of gNBs and ng-eNBs that provide planar (RRC) protocol termination. gNB interconnection or gNB and ng-eNB are interconnected through the Xn interface. gNB and ng-eNB are each connected to 5GC through the NG interface.
  • 5GC may be composed of an Access and Mobility Management Function (AMF), which is responsible for the control plane such as terminal access and mobility control functions, and a User Plane Function (UPF), which is responsible for controlling user data.
  • AMF Access and Mobility Management Function
  • UPF User Plane Function
  • NR includes support for both the frequency band below 6 GHz (FR1, Frequency Range 1) and the frequency band above 6 GHz (FR2, Frequency Range 2).
  • gNB refers to a base station that provides NR user plane and control plane protocol termination to the terminal
  • ng-eNB refers to a base station that provides E-UTRA user plane and control plane protocol termination to the terminal.
  • the base station described in this specification should be understood to encompass gNB and ng-eNB, and may be used to refer to gNB or ng-eNB separately, if necessary.
  • the CP-OFDM wave form using a cyclic prefix is used for downlink transmission, and CP-OFDM or DFT-s-OFDM is used for uplink transmission.
  • OFDM technology is easy to combine with MIMO (Multiple Input Multiple Output) and has the advantage of being able to use a low-complexity receiver with high frequency efficiency.
  • the NR transmission numerology is determined based on sub-carrier spacing and CP (Cyclic prefix), and as shown in Table 1 below, the ⁇ value is used as an exponent value of 2 based on 15 kHz to obtain the exponent. changes into an enemy.
  • NR's numerology can be divided into five types depending on the subcarrier spacing. This is different from the subcarrier spacing of LTE, one of the 4G communication technologies, which is fixed at 15 kHz. Specifically, the subcarrier intervals used for data transmission in NR are 15, 30, 60, and 120 kHz, and the subcarrier intervals used for synchronization signal transmission are 15, 30, 12, and 240 kHz. Additionally, the extended CP applies only to the 60 kHz subcarrier spacing. Meanwhile, the frame structure in NR is defined as a frame with a length of 10ms consisting of 10 subframes with the same length of 1ms. One frame can be divided into half-frames of 5ms, and each half-frame contains 5 subframes.
  • FIG. 2 is a diagram for explaining the frame structure in an NR system to which this embodiment can be applied.
  • a slot is fixedly composed of 14 OFDM symbols in the case of normal CP, but the length of the slot in the time domain may vary depending on the subcarrier spacing.
  • a slot is 1ms long and has the same length as a subframe.
  • a slot In contrast, in the case of numerology with a 30 kHz subcarrier spacing, a slot consists of 14 OFDM symbols, but two slots can be included in one subframe with a length of 0.5 ms. That is, subframes and frames are defined with a fixed time length, and slots are defined by the number of symbols, so the time length may vary depending on the subcarrier interval.
  • NR defines the basic unit of scheduling as a slot, and also introduces a mini-slot (or sub-slot or non-slot based schedule) to reduce transmission delay in the wireless section.
  • a mini-slot or sub-slot or non-slot based schedule
  • the length of one slot is shortened in inverse proportion, so transmission delay in the wireless section can be reduced.
  • Mini-slots are designed to efficiently support URLLC scenarios and can be scheduled in units of 2, 4, or 7 symbols.
  • NR defines uplink and downlink resource allocation at the symbol level within one slot.
  • a slot structure that can transmit HARQ ACK/NACK directly within the transmission slot has been defined, and this slot structure is described as a self-contained structure.
  • NR is designed to support a total of 256 slot formats, of which 62 slot formats are used in 3GPP Rel-15. In addition, it supports a common frame structure that forms an FDD or TDD frame through a combination of various slots. For example, a slot structure in which all slot symbols are set to downlink, a slot structure in which all symbols are set to uplink, and a slot structure in which downlink symbols and uplink symbols are combined are supported. Additionally, NR supports scheduling data transmission distributed over one or more slots. Therefore, the base station can use a slot format indicator (SFI) to inform the terminal whether the slot is a downlink slot, an uplink slot, or a flexible slot.
  • SFI slot format indicator
  • the base station can indicate the slot format by indicating the index of the table configured through UE-specific RRC signaling using SFI, and can indicate it dynamically through DCI (Downlink Control Information) or statically or through RRC. It can also be indicated semi-statically.
  • DCI Downlink Control Information
  • antenna port For Physical resources in NR, antenna port, resource grid, resource element, resource block, bandwidth part, etc. are considered. do.
  • An antenna port is defined so that a channel carrying a symbol on the antenna port can be inferred from a channel carrying another symbol on the same antenna port. If the large-scale properties of the channel carrying the symbols on one antenna port can be inferred from the channel carrying the symbols on the other antenna port, then the two antenna ports are quasi co-located or QC/QCL. It can be said that they are in a quasi co-location relationship.
  • the wide range characteristics include one or more of delay spread, Doppler spread, frequency shift, average received power, and received timing.
  • FIG. 3 is a diagram illustrating a resource grid supported by wireless access technology to which this embodiment can be applied.
  • a resource grid may exist for each numerology. Additionally, resource grids may exist depending on antenna ports, subcarrier spacing, and transmission direction.
  • a resource block consists of 12 subcarriers and is defined only in the frequency domain. Additionally, a resource element consists of one OFDM symbol and one subcarrier. Therefore, as shown in FIG. 3, the size of one resource block may vary depending on the subcarrier spacing. Additionally, NR defines "Point A", which serves as a common reference point for the resource block grid, common resource blocks, virtual resource blocks, etc.
  • Figure 4 is a diagram for explaining the bandwidth part supported by the wireless access technology to which this embodiment can be applied.
  • the terminal can use a designated bandwidth part (BWP) within the carrier bandwidth as shown in FIG. 4. Additionally, the bandwidth part is linked to one numerology and consists of a subset of consecutive common resource blocks, and can be activated dynamically over time.
  • the terminal is configured with up to four bandwidth parts for each uplink and downlink, and data is transmitted and received using the bandwidth parts activated at a given time.
  • the uplink and downlink bandwidth parts are set independently, and in the case of an unpaired spectrum, to prevent unnecessary frequency re-tunning between downlink and uplink operations.
  • the bandwidth parts of the downlink and uplink are set in pairs so that they can share the center frequency.
  • the terminal performs cell search and random access procedures to connect to the base station and perform communication.
  • Cell search is a procedure in which the terminal synchronizes to the cell of the base station, obtains a physical layer cell ID, and obtains system information using a synchronization signal block (SSB) transmitted by the base station.
  • SSB synchronization signal block
  • Figure 5 is a diagram illustrating a synchronization signal block in a wireless access technology to which this embodiment can be applied.
  • the SSB is composed of a primary synchronization signal (PSS) and a secondary synchronization signal (SSS), each occupying 1 symbol and 127 subcarriers, and a PBCH spanning 3 OFDM symbols and 240 subcarriers.
  • PSS primary synchronization signal
  • SSS secondary synchronization signal
  • the terminal monitors the SSB in the time and frequency domains and receives the SSB.
  • SSB can be transmitted up to 64 times in 5ms. Multiple SSBs are transmitted through different transmission beams within 5ms, and the terminal performs detection assuming that SSBs are transmitted every 20ms period based on one specific beam used for transmission.
  • the number of beams that can be used for SSB transmission within 5ms time can increase as the frequency band becomes higher. For example, up to 4 different SSB beams can be transmitted under 3 GHz, up to 8 different beams can be used in the frequency band from 3 to 6 GHz, and up to 64 different beams can be used in the frequency band above 6 GHz.
  • Two SSBs are included in one slot, and the start symbol and number of repetitions within the slot are determined according to the subcarrier spacing as follows.
  • SSB is not transmitted at the center frequency of the carrier bandwidth.
  • SSBs can be transmitted even in places other than the center of the system band, and when broadband operation is supported, multiple SSBs can be transmitted in the frequency domain.
  • the terminal monitors the SSB using a synchronization raster, which is a candidate frequency location for monitoring the SSB.
  • the carrier raster and synchronization raster which are the center frequency location information of the channel for initial access, have been newly defined in NR, and the synchronization raster has a wider frequency interval than the carrier raster, supporting fast SSB search of the terminal. You can.
  • the UE can obtain the MIB through the PBCH of the SSB.
  • MIB Master Information Block
  • MIB contains the minimum information for the terminal to receive the remaining system information (RMSI, Remaining Minimum System Information) broadcast by the network.
  • the PBCH includes information about the location of the first DM-RS symbol in the time domain, information for the terminal to monitor SIB1 (e.g., SIB1 numerology information, information related to SIB1 CORESET, search space information, PDCCH (related parameter information, etc.), offset information between the common resource block and the SSB (the position of the absolute SSB within the carrier is transmitted through SIB1), etc.
  • the SIB1 numerology information is equally applied to some messages used in the random access procedure for accessing the base station after the terminal completes the cell search procedure.
  • numerology information of SIB1 may be applied to at least one of messages 1 to 4 for the random access procedure.
  • the above-mentioned RMSI may mean SIB1 (System Information Block 1), and SIB1 is broadcast periodically (ex, 160ms) in the cell.
  • SIB1 contains information necessary for the terminal to perform the initial random access procedure and is transmitted periodically through PDSCH.
  • the terminal In order for the terminal to receive SIB1, it must receive numerology information used for SIB1 transmission and CORESET (Control Resource Set) information used for scheduling SIB1 through the PBCH.
  • CORESET Control Resource Set
  • the UE uses SI-RNTI in CORESET to check scheduling information for SIB1 and acquires SIB1 on the PDSCH according to the scheduling information. Except for SIB1, the remaining SIBs may be transmitted periodically or according to the request of the terminal.
  • Figure 6 is a diagram for explaining a random access procedure in wireless access technology to which this embodiment can be applied.
  • the terminal transmits a random access preamble for random access to the base station.
  • the random access preamble is transmitted through PRACH.
  • the random access preamble is transmitted to the base station through PRACH, which consists of continuous radio resources in a specific slot that is repeated periodically.
  • PRACH which consists of continuous radio resources in a specific slot that is repeated periodically.
  • BFR beam failure recovery
  • the terminal receives a random access response to the transmitted random access preamble.
  • the random access response may include a random access preamble identifier (ID), UL Grant (uplink radio resource), temporary C-RNTI (Temporary Cell - Radio Network Temporary Identifier), and TAC (Time Alignment Command). Since one random access response may include random access response information for one or more terminals, the random access preamble identifier may be included to indicate to which terminal the included UL Grant, temporary C-RNTI, and TAC are valid.
  • the random access preamble identifier may be an identifier for the random access preamble received by the base station. TAC may be included as information for the terminal to adjust uplink synchronization.
  • the random access response may be indicated by a random access identifier on the PDCCH, that is, RA-RNTI (Random Access - Radio Network Temporary Identifier).
  • the terminal that has received a valid random access response processes the information included in the random access response and performs scheduled transmission to the base station. For example, the terminal applies TAC and stores temporary C-RNTI. Additionally, using the UL Grant, data stored in the terminal's buffer or newly generated data is transmitted to the base station. In this case, information that can identify the terminal must be included.
  • the terminal receives a downlink message to resolve contention.
  • the downlink control channel in NR is transmitted in CORESET (Control Resource Set) with a length of 1 to 3 symbols, and transmits uplink/downlink scheduling information, SFI (Slot format Index), and TPC (Transmit Power Control) information. .
  • CORESET Control Resource Set
  • SFI Slot format Index
  • TPC Transmit Power Control
  • CORESET Control Resource Set
  • the terminal may decode the control channel candidate using one or more search spaces in the CORESET time-frequency resource.
  • QCL Quad CoLocation
  • Figure 7 is a diagram to explain CORESET.
  • CORESET may exist in various forms within one slot and within the carrier bandwidth, and in the time domain, CORESET may be composed of up to three OFDM symbols. Additionally, CORESET is defined as a multiple of 6 resource blocks from the frequency domain to the carrier bandwidth.
  • the first CORESET is directed through the MIB as part of the initial bandwidth part configuration to allow receiving additional configuration and system information from the network.
  • the terminal After establishing a connection with the base station, the terminal can receive and configure one or more CORESET information through RRC signaling.
  • frequencies, frames, subframes, resources, resource blocks, regions, bands, subbands, control channels, data channels, synchronization signals, various reference signals, various signals, or various messages related to NR can be interpreted in a variety of meanings that may be used in the past or present, or may be used in the future.
  • NR which was recently developed in 3GPP, was designed to not only provide improved data transmission rates compared to LTE, but also to satisfy various QoS requirements for each segmented and specific service requirement (usage scenario).
  • eMBB enhanced Mobile BroadBand
  • mMTC massive Machine Type Communication
  • URLLC Ultra Reliable and Low Latency Communications
  • each service requirement (usage scenario) has different requirements for data rates, latency, reliability, coverage, etc.
  • the frequencies that make up an arbitrary NR system Radio resource units based on different numerologies (e.g., subcarrier spacing, subframe, TTI, etc.) as a method to efficiently satisfy the needs of each service requirement (usage scenario) through the band. It is designed for efficient multiplexing.
  • numerologies e.g., subcarrier spacing, subframe, TTI, etc.
  • TDM, FDM or TDM/FDM based on one or multiple NR component carrier(s) for numerology with different subcarrier spacing values.
  • NR NR component carrier
  • a subframe has been defined as a type of time domain structure, and reference numerology is used to define the subframe duration. It was decided to define a single subframe duration consisting of 14 OFDM symbols of normal CP overhead based on 15kHz Sub-Carrier Spacing (SCS), which is the same as LTE. Accordingly, in NR, a subframe has a time duration of 1ms.
  • SCS Sub-Carrier Spacing
  • the subframe of NR is an absolute reference time duration, and is a time unit based on actual uplink/downlink data scheduling, using slots and mini-slots. ) can be defined.
  • any slot consists of 14 symbols, and depending on the transmission direction of the slot, all symbols are used for downlink transmission (DL transmission), or all symbols are used for uplink transmission (UL). It can be used for transmission, or in the form of a downlink portion (DL portion) + gap + uplink portion (UL portion).
  • a mini-slot consisting of fewer symbols than the slot is defined, and based on this, a short time-domain scheduling interval (time-domain) for transmitting and receiving uplink/downlink data is defined.
  • a scheduling interval may be set, or a long time-domain scheduling interval may be configured for up/downlink data transmission and reception through slot aggregation.
  • a 1ms (14 symbols) based frame structure defined in numerology with a small SCS value such as 15kHz is used. If scheduling is done on a slot-by-slot basis, it may be difficult to satisfy the latency requirement. Therefore, for this purpose, a mini-slot consisting of fewer OFDM symbols than the corresponding slot is defined and based on this, a critical delay rate such as the URLLC is defined. It can be defined so that scheduling is performed for (latency critical) data.
  • each numerology A method of scheduling data according to latency requirements based on defined slot (or mini-slot) length is also being considered.
  • the SCS is 60kHz
  • the symbol length is reduced to about 1/4 compared to the SCS 15kHz, so when one slot is configured with the same 14 OFDM symbols, the 15kHz-based The slot length is 1ms, while the 60kHz-based slot length is reduced to about 0.25ms.
  • any LTE operator could configure a bandwidth from a minimum of 1.4 MHz to a maximum of 20 MHz when configuring one LTE CC, and a normal LTE terminal can configure one LTE CC.
  • transmission and reception capabilities of 20 MHz bandwidth were supported.
  • bandwidth part(s) bandwidth part(s)
  • flexible bandwidth part(s)
  • one or more bandwidth parts can be configured through one serving cell configured from the terminal's perspective, and the terminal can configure one downlink bandwidth part ( It is defined to be used for uplink/downlink data transmission and reception by activating a DL bandwidth part) and one uplink bandwidth part (UL bandwidth part).
  • one downlink bandwidth part and/or uplink bandwidth part is activated for each serving cell. Therefore, it was defined to be used for up/downlink data transmission and reception using the radio resources of the corresponding serving cell.
  • the initial bandwidth part for the initial access procedure of the terminal is defined in any serving cell, and for each terminal, one or more terminal-specific (UE) signals are provided through dedicated RRC signaling.
  • UE terminal-specific
  • -specific bandwidth part(s) may be configured, and a default bandwidth part for fallback operation may be defined for each terminal.
  • any serving cell multiple downlink and/or uplink bandwidth parts can be activated and used simultaneously depending on the terminal's capability and bandwidth part(s) configuration.
  • NR rel-15 it is defined to activate and use only one downlink bandwidth part (DL bandwidth part) and one uplink bandwidth part (UL bandwidth part) at any time in any terminal. .
  • FIG. 10 is a diagram illustrating the structure of a functional framework for an AI/ML model according to an embodiment. Below, the explanation will be made assuming this framework.
  • training data may be initially generated in the network and terminal for training. Initial data may later be collected into one or more data collection entities.
  • inference data for the UE-side model and the UE-part of the two-sided model can be input directly from the terminal.
  • Network-side model (NW-side model) Inference data for the network side (NW-side of two-sided model) may be input directly from the network or sent from the terminal.
  • monitoring data for terminal-side monitoring can be input directly from the terminal.
  • Monitoring data for network-side monitoring can be input directly from the network or, if necessary, sent from the terminal.
  • the model training block can include both initial training and model updates.
  • model training occurs in conjunction with model development or consists of follow-up training on the developed model.
  • AI/ML model development requires careful implementation consideration of power consumption, hardware area, latency, and concurrency with other PHY/MAC functions.
  • Model management may include feature/model monitoring, selection, activation, deactivation, switching, and fallback. These basic mechanisms are addressed in function-based and model ID-based life cycle management (LCM). Some of the model monitoring, activation/deactivation, selection, switching, and fallback may be performed on the network side and others may be performed on the terminal side.
  • LCM model ID-based life cycle management
  • the terminal can inform the network about AI/ML capabilities through terminal capability reporting.
  • the function may represent a specific use case or procedure of the terminal in which AI/ML is expected to be used, such as AI/ML-based beam prediction, AI/ML-based positioning, etc.
  • the network can then indicate the activation and deactivation of each AI/ML function.
  • model ID-based LCM the terminal can inform the network about AI/ML functions and supported model IDs through terminal capability reporting. Therefore, the network can recognize the terminal's AI/ML model function and the model ID supported for that function. The network can then again indicate the activation and deactivation of each AI/ML function.
  • models can be identified in the network through an assigned model ID. As a result, the network may enable/disable specific models for functions. The network may instruct the UE to switch from one model to another for functionality.
  • the network can control AI/ML functions for inference on the terminal. This may include activating or deactivating AI/ML functions of the terminal as well as monitoring the performance of the function.
  • model ID-based LCM the model can be identified in the network through the assigned model ID.
  • the network can process models by model ID for inference operations and model management (configuration, activation, deactivation, switching, monitoring, replacement).
  • the terminal can inform the network about AI/ML functions and supported model IDs through terminal capability reporting. Therefore, the network can recognize the terminal's AI/ML model function and the model ID supported for that function.
  • AI/ML models can be stored outside the network and delivered to the terminal through mechanisms external to the wireless interface. Once the AI/ML model is delivered to the terminal, the network can control AI/ML functions for inference in the terminal. This may include model selection, activation, deactivation, switching, fallback, and monitoring.
  • model selection can be performed from a model family distributed on the network or terminal depending on the performance and applicability of the model.
  • the model is stored in the network and transmitted to the target device via a wireless interface.
  • AI/ML model transmission can be performed via a wireless interface for parameters of a model structure known at the AI/ML model transmission receiving end or a new model with parameters.
  • the transfer may include a full model or a partial model.
  • the terminal in the case of model ID-based LCM, the terminal can inform the network of AI/ML capabilities and supported model IDs through terminal capability reporting. Therefore, the network can recognize the terminal's AI/ML model function and the model ID supported for that function.
  • AI/ML algorithms and models are implementation dependent and are not expected to be specific, although specific AI/ML algorithms and models may be studied for evaluation purposes. AI/ML capabilities will depend on specific use cases and sub-use cases and should focus on the interaction between the network and the UE.
  • Collaboration levels between the network and the terminal can be defined as follows.
  • Level 1 (or level y): Signaling-based collaboration without model transfer
  • Level 2 (or level z): Signaling-based collaboration with model transfer
  • transmission and reception of AI/ML models or related information may be performed between the base station and the terminal.
  • FIG. 11 is a diagram illustrating a procedure 100 for a terminal to use an AI/ML model according to an embodiment.
  • the terminal may receive activation or deactivation instruction information for the AI/ML model (S110).
  • the terminal can transmit the terminal's capability information related to whether the AI/ML model is supported to the base station.
  • the terminal can report to the base station all information necessary for application of the AI/ML model, such as whether the AI/ML model is supported and information about the AI/ML model configured in the terminal.
  • the AI/ML model that can be used in wireless communication between the base station and the terminal is based on the subject of the inference operation through the AI/ML model, including the UE-side model, the network-side model, and both sides ( It can be divided into two-sided) models.
  • the AI/ML model including the UE-side model, the network-side model, and both sides ( It can be divided into two-sided) models.
  • inference about the AI/ML model is performed in the terminal, it is divided into a terminal-side model, and if the inference is performed in the base station, it is divided into a network-side model. Additionally, one part of the inference is performed first in the terminal and the remaining part is performed in the base station, or vice versa, divided into a two-sided model.
  • whether to transmit the AI/ML model may be determined based on a pre-configured cooperation level.
  • the terminal may receive a request for learning information and transmit a response according to the request.
  • the base station can request information about learning, such as the size of transmission information, from the terminal. This assumes that information about the AI/ML model is already configured in the base station and terminal.
  • a request for information about learning may be configured by higher layer signaling such as RRC signaling, and may be configured in such a way that the terminal reports to the base station based on the configuration.
  • the base station may transmit a request for information about learning to the terminal through DCI in the PDCCH.
  • the request for information about learning is configured by higher layer signaling such as RRC signaling, and the base station can indicate activation/deactivation of the request for information about learning through DCI in the PDCCH.
  • the terminal can respond whether information about learning is transmitted to the base station through a feedback channel. If the terminal responds that transmission of information about learning is possible, the base station may configure resources for information exchange in response to the response.
  • the terminal may receive a request for AI/ML model information and transmit a response according to the request.
  • the base station requests information about the model to be transmitted (size, number, etc.) from the terminal. In other words, it is assumed that information about the AI/ML model is not configured in the base station and terminal.
  • the request for information about the model to be transmitted may be configured by higher layer signaling such as RRC signaling, and may be configured in such a way that the terminal transmits to the base station based on the configuration.
  • the base station may transmit a request for information about the model to be transmitted to the terminal through DCI in the PDCCH.
  • the request for information about the model is configured by higher layer signaling such as RRC signaling, and the base station can indicate activation/deactivation of the request for information about the model through DCI in the PDCCH.
  • the terminal can respond to the base station through a feedback channel as to whether to transmit the model before or after learning. If the terminal responds that transmission of the model before and after learning is possible, the base station may configure resources for model transmission in response to the response.
  • life cycle management of an AI/ML model may be performed according to at least one of functionality-based AI/ML model classification or model ID-based AI/ML model classification.
  • monitoring, selection, activation, deactivation, switching, and fallback for AI/ML models can be performed based on specific functions or based on specific model IDs.
  • the terminal in order to activate or deactivate an AI/ML model between the terminal and the base station, the terminal may transmit a request to use the AI/ML model.
  • the base station may transmit an activation or deactivation instruction for the AI/ML model based on the reported capabilities of the terminal.
  • the activation or deactivation instruction information for the AI/ML model is at least one of upper layer signaling, MAC CE (MAC Control Element), or downlink control information (DCI). It can be received through one.
  • MAC CE MAC Control Element
  • DCI downlink control information
  • a specific function such as a beam prediction function
  • information about whether at least one AI/ML model is applied and the activation cycle and activation time period of the AI/ML model is provided through higher layer signaling such as RRC signaling. It can be configured.
  • the AI/ML model to be applied through MAC CE may be activated or deactivated.
  • activation or deactivation of the AI/ML model may be dynamically instructed through DCI while a specific function is performed.
  • activation or deactivation instruction information for the AI/ML model may be received based on the model ID.
  • the terminal can receive model ID information about the AI/ML model to be activated or deactivated for a specific function from the base station.
  • model ID information may be received through at least one of a downlink control channel or a downlink data channel.
  • the terminal may activate or deactivate the AI/ML model based on the instruction information (S120) and transmit a response to the activation or deactivation of the AI/ML model (S130).
  • the terminal can activate or deactivate the AI/ML model according to a determined activation cycle based on the configured information.
  • the terminal may activate or deactivate the AI/ML model to be applied based on MAC CE.
  • the terminal may omit sending a response to activation or deactivation of the AI/ML model.
  • the terminal may activate or deactivate the indicated AI/ML model based on DCI.
  • the terminal may transmit a response regarding whether to perform activation or deactivation through a feedback channel.
  • the terminal may activate or deactivate the AI/ML model corresponding to the received model ID.
  • the terminal may transmit a response regarding whether to perform activation or deactivation through a feedback channel.
  • the response may be a response to performing activation or deactivation, or a response to confirm receipt of the instruction.
  • the base station can configure radio resources used for transmission and reception of input data or output data that can be used in the AI/ML model.
  • wireless resources can be allocated to transmit and receive information necessary to perform functions through the activated AI/ML model.
  • Terminals and base stations can perform functions through AI/ML models using the corresponding radio resources.
  • the base station transmits an activation or deactivation instruction for an AI/ML model.
  • the technical idea of the foregoing content can be applied substantially the same even when a terminal requests activation or deactivation of an AI/ML model or when requesting activation or deactivation of an AI/ML model through a side link between terminals. there is.
  • FIG. 12 is a diagram illustrating a procedure 200 for a base station to use an AI/ML model according to an embodiment.
  • the base station may receive a request for an AI/ML model (S210).
  • the terminal in order to activate or deactivate an AI/ML model between the terminal and the base station, the terminal may transmit a request to use the AI/ML model.
  • the base station may transmit an activation or deactivation instruction for the AI/ML model based on the reported capabilities of the terminal.
  • the base station may transmit activation or deactivation instruction information for the AI/ML model (S220).
  • the activation or deactivation instruction information for the AI/ML model is at least one of upper layer signaling, MAC CE (MAC Control Element), or downlink control information (DCI). It can be transmitted through one.
  • MAC CE MAC Control Element
  • DCI downlink control information
  • a specific function such as a beam prediction function
  • information about whether at least one AI/ML model is applied and the activation cycle and activation time period of the AI/ML model is provided through higher layer signaling such as RRC signaling. It can be configured.
  • the AI/ML model to be applied through MAC CE may be activated or deactivated.
  • activation or deactivation of the AI/ML model may be dynamically instructed through DCI while a specific function is performed.
  • activation or deactivation instruction information for the AI/ML model may be received based on the model ID.
  • the base station can transmit model ID information about the AI/ML model to be activated or deactivated for a specific function to the terminal.
  • model ID information may be transmitted through at least one of a downlink control channel or a downlink data channel.
  • the base station may receive a response regarding activation or deactivation of the AI/ML model (S230).
  • the terminal can activate or deactivate the AI/ML model according to a determined activation cycle based on the configured information.
  • the terminal may activate or deactivate the AI/ML model to be applied based on MAC CE.
  • the terminal may omit sending a response to activation or deactivation of the AI/ML model.
  • the terminal may activate or deactivate the indicated AI/ML model based on DCI.
  • the base station can receive a response from the terminal regarding whether to perform activation or deactivation through a feedback channel.
  • the terminal may activate or deactivate the AI/ML model corresponding to the received model ID.
  • the base station can receive a response from the terminal regarding whether to perform activation or deactivation through a feedback channel.
  • the base station can configure radio resources used for transmission and reception of input data or output data that can be used in the AI/ML model.
  • wireless resources can be allocated to transmit and receive information necessary to perform functions through the activated AI/ML model.
  • Terminals and base stations can perform functions through AI/ML models using the corresponding radio resources.
  • Example 1 Procedure and physical layer design depending on whether AI/ML model is used
  • the base station may decide to use the AI/ML model.
  • the base station can transmit a request for use of the AI/ML model to the terminal using at least one resource element (RE).
  • RE resource element
  • the base station may transmit a request for using an AI/ML model through higher layer signaling, such as RRC signaling.
  • the base station can configure AI/ML model use using RRC parameters.
  • the terminal can check the related RRC parameters and, if configured to use the AI/ML model, determine whether to support and use the AI/ML model. If the terminal supports an AI/ML model and can use the model, the terminal can interact with the base station using the AI/ML model.
  • the base station configures AI/ML model-related information through higher layer signaling such as RRC signaling, but uses DCI in the PDCCH to activate/deactivate the AI/ML model. It can be configured.
  • the terminal configures the AI/ML model-related information by receiving higher layer signaling, but can perform interaction using the AI/ML model only when activation of the AI/ML model is instructed through DCI. .
  • the terminal can decide whether to use the AI/ML model. If the AI/ML model is available for use, the terminal may respond to the base station through a feedback channel that the AI/ML model is available for use. In this case, the base station can configure resources for AI/ML operations by using one or more additional REs in response to the response.
  • the terminal may respond to the base station through a feedback channel that the AI/ML model cannot be used.
  • the base station can perform the interaction through normal procedures.
  • the terminal may transmit a request for use of an AI/ML model to the base station using at least one RE.
  • the terminal receives information related to the AI/ML model through higher layer signaling such as RRC signaling, but the use of the AI/ML model is activated/deactivated through UCI in the PUCCH. You can. In this case, the terminal can transmit a request for activation of the AI/ML model to the base station through UCI.
  • higher layer signaling such as RRC signaling
  • the base station can decide whether to use the AI/ML model.
  • the base station may respond to the terminal through a feedback channel that the AI/ML model can be used.
  • the base station can configure resources for AI/ML using at least one RE after the 'N' time slot.
  • the base station may respond to the terminal through a feedback channel that the use of the AI/ML model is not possible.
  • the terminal can perform the interaction through normal procedures.
  • the terminal (UE(A)) may transmit a request for using an AI/ML model to at least one other terminal (UE(B)) using at least one RE.
  • the terminal (UE(A)) and the terminal (UE(B)) can receive AI/ML model-related information through higher layer signaling such as RRC signaling.
  • the terminal (UE(A)) may request the terminal (UE(B)) to use an AI/ML model through SCI in the PSCCH.
  • the base station may request the terminal (UE(B)) to use the AI/ML model through DCI in the PDCCH.
  • the terminal (UE(B)) can decide whether to use the AI/ML model.
  • the terminal (UE(B)) will respond to the terminal (UE(A)) that the AI/ML model can be used through a feedback channel. You can.
  • the terminal (UE(B)) can configure resources for AI/ML using at least one RE after the 'N' time slot.
  • the terminal (UE(B)) decides not to support or use the AI/ML function, the terminal (UE(B)) cannot use the AI/ML model through the feedback channel. You can respond. In this case, the terminal (UE(A)) can perform the interaction through normal procedures.
  • the base station can request information about learning, such as the size of transmission information, from the terminal.
  • information about the AI/ML model is already configured in the base station and terminal.
  • a request for information about learning may be configured by higher layer signaling such as RRC signaling, and may be configured in such a way that the terminal reports to the base station based on the configuration.
  • higher layer signaling such as RRC signaling
  • the base station may transmit a request for information about learning to the terminal through DCI in the PDCCH.
  • the request for information about learning is configured by higher layer signaling such as RRC signaling, and the base station can indicate activation/deactivation of the request for information about learning through DCI in the PDCCH.
  • higher layer signaling such as RRC signaling
  • the terminal can respond whether information about learning is transmitted to the base station through a feedback channel. If the terminal responds that transmission of information about learning is possible, the base station may configure resources for information exchange in response to the response.
  • Level 2 For signaling-based collaboration involving model transfer
  • the base station requests information about the model to be transmitted (size, number, etc.) from the terminal. In other words, it is assumed that information about the AI/ML model is not configured in the base station and terminal.
  • the request for information about the model to be transmitted may be configured by higher layer signaling such as RRC signaling, and may be configured in such a way that the terminal transmits to the base station based on the configuration.
  • higher layer signaling such as RRC signaling
  • the base station may transmit a request for information about the model to be transmitted to the terminal through DCI in the PDCCH.
  • the request for information about the model is configured by higher layer signaling such as RRC signaling, and the base station can indicate activation/deactivation of the request for information about the model through DCI in the PDCCH.
  • higher layer signaling such as RRC signaling
  • the terminal can respond to the base station through a feedback channel as to whether to transmit the model before or after learning. If the terminal responds that transmission of the model before and after learning is possible, the base station may configure resources for model transmission in response to the response.
  • FIG. 13 is a diagram showing the configuration of a user terminal 1300 according to another embodiment.
  • a user terminal 1300 includes a control unit 1310, a transmitter 1320, and a receiver 1330.
  • the control unit 1310 controls the overall operation of the user terminal 1300 according to a method of using an AI/ML model in a wireless communication network required to perform the present disclosure described above.
  • the transmitter 1320 transmits uplink control information, data, and messages to the base station through the corresponding channel.
  • the receiving unit 1330 receives downlink control information, data, messages, etc. from the base station through the corresponding channel.
  • the control unit 1310 may receive activation or deactivation instruction information for the AI/ML model.
  • the control unit 1310 may transmit the terminal's capability information related to whether the AI/ML model is supported to the base station. That is, the control unit 1310 can report to the base station all information necessary for application of the AI/ML model, such as whether the AI/ML model is supported and information about the AI/ML model configured in the terminal.
  • the AI/ML model that can be used in wireless communication between the base station and the terminal is based on the subject of the inference operation through the AI/ML model, including the UE-side model, the network-side model, and both sides ( It can be divided into two-sided) models.
  • the AI/ML model including the UE-side model, the network-side model, and both sides ( It can be divided into two-sided) models.
  • inference about the AI/ML model is performed in the terminal, it is divided into a terminal-side model, and if the inference is performed in the base station, it is divided into a network-side model. Additionally, one part of the inference is performed first in the terminal and the remaining part is performed in the base station, or vice versa, divided into a two-sided model.
  • whether to transmit the AI/ML model may be determined based on a pre-configured cooperation level.
  • the terminal may receive a request for learning information and transmit a response according to the request.
  • the base station can request information about learning, such as the size of transmission information, from the terminal. This assumes that information about the AI/ML model is already configured in the base station and terminal.
  • a request for information about learning may be configured by higher layer signaling such as RRC signaling, and may be configured in such a way that the terminal reports to the base station based on the configuration.
  • the base station may transmit a request for information about learning to the terminal through DCI in the PDCCH.
  • the request for information about learning is configured by higher layer signaling such as RRC signaling, and the base station can indicate activation/deactivation of the request for information about learning through DCI in the PDCCH.
  • control unit 1310 may respond whether information about learning is transmitted to the base station through a feedback channel. If the terminal responds that transmission of information about learning is possible, the base station may configure resources for information exchange in response to the response.
  • the control unit 1310 may receive a request for AI/ML model information and transmit a response according to the request.
  • the base station requests information about the model to be transmitted (size, number, etc.) from the terminal. In other words, it is assumed that information about the AI/ML model is not configured in the base station and terminal.
  • the request for information about the model to be transmitted may be configured by higher layer signaling such as RRC signaling, and may be configured in such a way that the terminal transmits to the base station based on the configuration.
  • the base station may transmit a request for information about the model to be transmitted to the terminal through DCI in the PDCCH.
  • the request for information about the model is configured by higher layer signaling such as RRC signaling, and the base station can indicate activation/deactivation of the request for information about the model through DCI in the PDCCH.
  • control unit 1310 can respond whether to transmit the model before or after learning to the base station through a feedback channel. If the terminal responds that transmission of the model before and after learning is possible, the base station may configure resources for model transmission in response to the response.
  • life cycle management of an AI/ML model may be performed according to at least one of functionality-based AI/ML model classification or model ID-based AI/ML model classification.
  • monitoring, selection, activation, deactivation, switching, and fallback for AI/ML models can be performed based on specific functions or based on specific model IDs.
  • a request to use the AI/ML model of the terminal may be transmitted.
  • the base station may transmit an activation or deactivation instruction for the AI/ML model based on the reported capabilities of the terminal.
  • the activation or deactivation instruction information for the AI/ML model is at least one of upper layer signaling, MAC CE (MAC Control Element), or downlink control information (DCI). It can be received through one.
  • MAC CE MAC Control Element
  • DCI downlink control information
  • a specific function such as a beam prediction function
  • information about whether at least one AI/ML model is applied and the activation cycle and activation time period of the AI/ML model is provided through higher layer signaling such as RRC signaling. It can be configured.
  • the AI/ML model to be applied through MAC CE may be activated or deactivated.
  • activation or deactivation of the AI/ML model may be dynamically instructed through DCI while a specific function is performed.
  • activation or deactivation instruction information for the AI/ML model may be received based on the model ID.
  • the control unit 1310 may receive model ID information about the AI/ML model to be activated or deactivated for a specific function from the base station.
  • model ID information may be received through at least one of a downlink control channel or a downlink data channel.
  • the control unit 1310 may activate or deactivate the AI/ML model based on the instruction information and transmit a response to the activation or deactivation of the AI/ML model.
  • information on whether at least one AI/ML model is applied and the activation cycle and activation time period of the corresponding AI/ML model is configured through upper layer signaling for a function-based AI/ML model. do.
  • the control unit 1310 can activate or deactivate the AI/ML model according to a determined activation cycle based on the configured information.
  • the control unit 1310 may activate or deactivate the AI/ML model to be applied based on the MAC CE. In this case, the control unit 1310 may omit transmitting a response to activation or deactivation of the AI/ML model.
  • control unit 1310 may activate or deactivate the indicated AI/ML model based on DCI.
  • control unit 1310 may transmit a response regarding whether to perform activation or deactivation through a feedback channel.
  • control unit 1310 may activate or deactivate the AI/ML model corresponding to the received model ID.
  • control unit 1310 may transmit a response regarding whether to perform activation or deactivation through a feedback channel.
  • the base station can configure radio resources used for transmission and reception of input data or output data that can be used in the AI/ML model.
  • wireless resources can be allocated to transmit and receive information necessary to perform functions through the activated AI/ML model.
  • Terminals and base stations can perform functions through AI/ML models using the corresponding radio resources.
  • FIG. 14 is a diagram showing the configuration of a base station 1400 according to another embodiment.
  • a base station 1400 includes a control unit 1410, a transmitter 1420, and a receiver 1430.
  • the control unit 1410 controls the overall operation of the base station 1400 according to a method of using an AI/ML model in a wireless communication network required to perform the present disclosure described above.
  • the transmitting unit 1420 and the receiving unit 1430 are used to transmit and receive signals, messages, and data necessary to perform the present disclosure described above with the terminal.
  • the control unit 1410 may receive a request for an AI/ML model.
  • the terminal in order to activate or deactivate an AI/ML model between the terminal and the base station, the terminal may transmit a request to use the AI/ML model.
  • the control unit 1410 may transmit an activation or deactivation instruction for the AI/ML model based on the reported capabilities of the terminal without a request from the terminal.
  • the control unit 1410 may transmit activation or deactivation instruction information for the AI/ML model.
  • the activation or deactivation instruction information for the AI/ML model is at least one of upper layer signaling, MAC CE (MAC Control Element), or downlink control information (DCI). It can be transmitted through one.
  • MAC CE MAC Control Element
  • DCI downlink control information
  • a specific function such as a beam prediction function
  • information about whether at least one AI/ML model is applied and the activation cycle and activation time period of the AI/ML model is provided through higher layer signaling such as RRC signaling. It can be configured.
  • the AI/ML model to be applied through MAC CE may be activated or deactivated.
  • activation or deactivation of the AI/ML model may be dynamically instructed through DCI while a specific function is performed.
  • activation or deactivation instruction information for the AI/ML model may be received based on the model ID.
  • the control unit 1410 may transmit model ID information about the AI/ML model to be activated or deactivated for a specific function to the terminal.
  • model ID information may be transmitted through at least one of a downlink control channel or a downlink data channel.
  • the control unit 1410 may receive a response regarding activation or deactivation of the AI/ML model.
  • the terminal can activate or deactivate the AI/ML model according to a determined activation cycle based on the configured information.
  • the terminal may activate or deactivate the AI/ML model to be applied based on MAC CE.
  • the terminal may omit sending a response to activation or deactivation of the AI/ML model.
  • the terminal may activate or deactivate the indicated AI/ML model based on DCI.
  • the control unit 1410 may receive a response from the terminal regarding whether to perform activation or deactivation through a feedback channel.
  • the terminal may activate or deactivate the AI/ML model corresponding to the received model ID.
  • the control unit 1410 may receive a response from the terminal regarding whether to perform activation or deactivation through a feedback channel.
  • the control unit 1410 can configure wireless resources used for transmitting and receiving input data or output data that can be used in the AI/ML model.
  • wireless resources can be allocated to transmit and receive information necessary to perform functions through the activated AI/ML model.
  • Terminals and base stations can perform functions through AI/ML models using the corresponding radio resources.
  • the above-described embodiments can be implemented through various means.
  • the present embodiments may be implemented by hardware, firmware, software, or a combination thereof.
  • the method according to the present embodiments uses one or more ASICs (Application Specific Integrated Circuits), DSPs (Digital Signal Processors), DSPDs (Digital Signal Processing Devices), PLDs (Programmable Logic Devices), and FPGAs. (Field Programmable Gate Arrays), processors, controllers, microcontrollers, or microprocessors.
  • ASICs Application Specific Integrated Circuits
  • DSPs Digital Signal Processors
  • DSPDs Digital Signal Processing Devices
  • PLDs Programmable Logic Devices
  • FPGAs Field Programmable Gate Arrays
  • processors controllers, microcontrollers, or microprocessors.
  • the method according to the present embodiments may be implemented in the form of a device, procedure, or function that performs the functions or operations described above.
  • Software code can be stored in a memory unit and run by a processor.
  • the memory unit is located inside or outside the processor and can exchange data with the processor through various known means.
  • system generally refer to computer-related entities hardware, hardware and software. It may refer to a combination of, software, or running software.
  • the foregoing components may be a process, processor, controller, control processor, object, thread of execution, program, and/or computer run by a processor.
  • an application running on a controller or processor and the controller or processor can be a component.
  • One or more components may reside within a process and/or thread of execution, and the components may be located on a single device (e.g., system, computing device, etc.) or distributed across two or more devices.

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 실시예들은 무선 통신망에서 단말이 AI/ML 모델을 이용하는 방법에 있어서, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 수신하는 단계, 지시 정보에 기초하여 AI/ML 모델을 활성화 또는 비활성화하는 단계 및 AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 전송하는 단계를 포함하는 방법을 제공한다.

Description

무선 통신망에서 인공지능/머신러닝 모델을 이용하는 방법 및 장치
본 실시예들은 차세대 무선 액세스 망(이하, "NR(New Radio)"이라 함)에서 AI/ML(ARTIFICIAL INTELLIGENCE/MACHINE LEARNING) 모델을 이용하는 방법 및 장치에 대해서 제안한다.
3GPP에서는 각각 NR(New Radio)을 위한 프레임 구조(frame structure), 채널 코딩 및 변조(channel coding & modulation), 파형 및 다중 접속 방식(waveform & multiple access scheme) 등에 대한 설계가 진행 중이다. NR은 LTE에 대비하여 향상된 데이터 전송률뿐만 아니라 세분화되고 구체화된 사용 시나리오(usage scenario) 별로 요구되는 다양한 QoS 요구(QoS requirements)를 만족시킬 수 있는 설계가 이루어지도록 요구되고 있다.
NR의 대표적 사용 시나리오로서 eMBB(enhancement Mobile BroadBand), mMTC(massive Machine Type Communication) 및 URLLC(Ultra Reliable and Low Latency Communications)가 정의되었으며, 각각의 사용 시나리오 별 요구를 만족시키기 위하여 LTE 대비 플렉서블한 프레임 구조 설계가 요구되고 있다.
각각의 서비스 요건(usage scenario)은 데이터 속도(data rates), 지연속도(latency), 신뢰도(reliability), 커버리지(coverage) 등에 대한 요구가 서로 상이하기 때문에 임의의 NR 시스템을 구성하는 주파수 대역을 통해 각각의 사용 시나리오별 요구를 효율적으로 만족시키기 위한 방법으로서 서로 다른 뉴머롤로지(numerology)(예를 들어, 서브캐리어 스페이싱(subcarrier spacing), 서브프레임(subframe), TTI(Transmission Time Interval) 등) 기반의 무선 자원 유닛(unit)을 효율적으로 멀티플렉싱(multiplexing)하는 방안에 대한 필요성이 제기되고 있다.
한편, 무선 통신 기술에서 보다 빠르고 정확하며 효율적인 통신을 위하여 인공지능이나 머신러닝 기술의 도입에 요구가 증대되고 있다. 이에 따라, 무선 통신망에서의 AI/ML 모델을 이용하기 위한 구체적인 설계가 필요하게 된다.
본 개시의 실시예들은, 무선 통신망에서 AI/ML 모델을 이용하는 방법 및 장치를 제공할 수 있다.
일 측면에서, 본 실시예들은 무선 통신망에서 단말이 AI/ML 모델을 이용하는 방법에 있어서, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 수신하는 단계, 지시 정보에 기초하여 AI/ML 모델을 활성화 또는 비활성화하는 단계 및 AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 전송하는 단계를 포함하는 방법을 제공할 수 있다.
다른 측면에서, 본 실시예들은 무선 통신망에서 AI/ML 모델을 이용하는 단말에 있어서, 송신부, 수신부 및 송신부와 수신부의 동작을 제어하는 제어부를 포함하고, 제어부는, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 수신하고, 지시 정보에 기초하여 AI/ML 모델을 활성화 또는 비활성화하고, AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 전송하는 단말을 제공할 수 있다.
본 실시예들에 의하면, AI/ML 모델의 사용에 따른 구체적인 절차에 대한 무선 통신망에서 AI/ML 모델을 이용하는 방법 및 장치를 제공할 수 있다.
도 1은 본 실시예가 적용될 수 있는 NR 무선 통신 시스템에 대한 구조를 간략하게 도시한 도면이다.
도 2는 본 실시예가 적용될 수 있는 NR 시스템에서의 프레임 구조를 설명하기 위한 도면이다.
도 3은 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 자원 그리드를 설명하기 위한 도면이다.
도 4는 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 대역폭 파트를 설명하기 위한 도면이다.
도 5는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 동기 신호 블록을 예시적으로 도시한 도면이다.
도 6는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 랜덤 액세스 절차를 설명하기 위한 도면이다.
도 7은 CORESET에 대해서 설명하기 위한 도면이다.
도 8은 본 실시예가 적용될 수 있는 서로 다른 서브캐리어 스페이싱(subcarrier spacing; SCS)에서 심볼 레벨 얼라인먼트(symbol level alignment)의 예를 도시한 도면이다.
도 9는 본 실시예가 적용될 수 있는 대역폭 파트(Bandwidth part)에 대한 개념적 예시를 도시한 도면이다.
도 10은 일 실시예에 따른 AI/ML 모델을 위한 기능적 프레임워크의 구조를 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 단말이 AI/ML 모델을 이용하기 위한 절차를 도시한 도면이다.
도 12는 일 실시예에 따른 기지국이 AI/ML 모델을 이용하기 위한 절차를 도시한 도면이다.
도 13은 또 다른 실시예에 의한 사용자 단말의 구성을 보여주는 도면이다.
도 14는 또 다른 실시예에 의한 기지국의 구성을 보여주는 도면이다.
이하, 본 개시의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성 요소들에 참조부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 기술 사상의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다. 본 명세서 상에서 언급된 "포함한다", "갖는다", "이루어진다" 등이 사용되는 경우 "~만"이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별한 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함할 수 있다.
또한, 본 개시의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다.
구성 요소들의 위치 관계에 대한 설명에 있어서, 둘 이상의 구성 요소가 "연결", "결합" 또는 "접속" 등이 된다고 기재된 경우, 둘 이상의 구성 요소가 직접적으로 "연결", "결합" 또는 "접속"될 수 있지만, 둘 이상의 구성 요소와 다른 구성 요소가 더 "개재"되어 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다. 여기서, 다른 구성 요소는 서로 "연결", "결합" 또는 "접속"되는 둘 이상의 구성 요소 중 하나 이상에 포함될 수도 있다.
구성 요소들이나, 동작 방법이나 제작 방법 등과 관련한 시간적 흐름 관계에 대한 설명에 있어서, 예를 들어, "~후에", "~에 이어서", "~다음에", "~전에" 등으로 시간적 선후 관계 또는 흐름적 선후 관계가 설명되는 경우, "바로" 또는 "직접"이 사용되지 않는 이상 연속적이지 않은 경우도 포함할 수 있다.
한편, 구성 요소에 대한 수치 또는 그 대응 정보(예: 레벨 등)가 언급된 경우, 별도의 명시적 기재가 없더라도, 수치 또는 그 대응 정보는 각종 요인(예: 공정상의 요인, 내부 또는 외부 충격, 노이즈 등)에 의해 발생할 수 있는 오차 범위를 포함하는 것으로 해석될 수 있다.
본 명세서에서의 무선 통신 시스템은 음성, 데이터 패킷 등과 같은 다양한 통신 서비스를 무선자원을 이용하여 제공하기 위한 시스템을 의미하며, 단말과 기지국 또는 코어 네트워크 등을 포함할 수 있다.
이하에서 개시하는 본 실시예들은 다양한 무선 접속 기술을 사용하는 무선 통신 시스템에 적용될 수 있다. 예를 들어, 본 실시예들은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(timedivision multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(singlecarrier frequency division multiple access) 또는 NOMA(non-orthogonal multiple access) 등과 같은 다양한 무선 접속 기술에 적용될 수 있다. 또한, 무선 접속 기술은 특정 접속 기술을 의미하는 것뿐만 아니라 3GPP, 3GPP2, WiFi, Bluetooth, IEEE, ITU 등 다양한 통신 협의기구에서 제정하는 각 세대별 통신 기술을 의미할 수 있다. 예를 들어, CDMA는 UTRA(universal terrestrial radio access)나 CDMA2000과 같은 무선 기술로 구현될 수 있다. TDMA는 GSM(global system for mobile communications)/GPRS(general packet radio service)/EDGE(enhanced datarates for GSM evolution)와 같은 무선 기술로 구현될 수 있다. OFDMA는 IEEE(institute of electrical andelectronics engineers) 802.11(Wi-Fi), IEEE 802.16(WiMAX), IEEE 802-20, E-UTRA(evolved UTRA) 등과 같은 무선 기술로 구현될 수 있다. IEEE 802.16m은 IEEE 802.16e의 진화로, IEEE 802.16e에 기반한 시스템과의 하위 호환성(backward compatibility)를 제공한다. UTRA는 UMTS(universal mobile telecommunications system)의 일부이다. 3GPP(3rd generation partnership project) LTE(long term evolution)은 E-UTRA(evolved-UMTSterrestrial radio access)를 사용하는 E-UMTS(evolved UMTS)의 일부로써, 하향링크에서 OFDMA를 채용하고 상향링크에서 SC-FDMA를 채용한다. 이와 같이 본 실시예들은 현재 개시되거나 상용화된 무선 접속 기술에 적용될 수 있고, 현재 개발 중이거나 향후 개발될 무선 접속 기술에 적용될 수도 있다.
한편, 본 명세서에서의 단말은 무선 통신 시스템에서 기지국과 통신을 수행하는 무선 통신 모듈을 포함하는 장치를 의미하는 포괄적 개념으로서, WCDMA, LTE, NR, HSPA 및 IMT-2020(5G 또는 New Radio) 등에서의 UE(User Equipment)는 물론, GSM에서의 MS(Mobile Station), UT(User Terminal), SS(Subscriber Station), 무선 기기(wireless device) 등을 모두 포함하는 개념으로 해석되어야 할 것이다. 또한, 단말은 사용 형태에 따라 스마트 폰과 같은 사용자 휴대 기기가 될 수도 있고, V2X 통신 시스템에서는 차량, 차량 내의 무선 통신 모듈을 포함하는 장치 등을 의미할 수도 있다. 또한, 기계 형태 통신(Machine Type Communication) 시스템의 경우에 기계 형태 통신이 수행되도록 통신 모듈을 탑재한 MTC 단말, M2M 단말, URLLC 단말 등을 의미할 수도 있다.
본 명세서의 기지국 또는 셀은 네트워크측면에서 단말과 통신하는 종단을 지칭하며, 노드-B(Node-B), eNB(evolved Node-B), gNB(gNode-B), LPN(Low Power Node), 섹터(Sector), 싸이트(Site), 다양한 형태의 안테나, BTS(Base Transceiver System), 액세스 포인트(Access Point), 포인트(예를 들어, 송신포인트, 수신포인트, 송수신포인트), 릴레이 노드(Relay Node), 메가 셀, 매크로 셀, 마이크로 셀, 피코 셀, 펨토 셀, RRH(Remote Radio Head), RU(Radio Unit), 스몰 셀(small cell) 등 다양한 커버리지 영역을 모두 포괄하는 의미이다. 또한, 셀은 주파수 도메인에서의 BWP(Bandwidth Part)를 포함하는 의미일 수 있다. 예를 들어, 서빙 셀은 단말의 Activation BWP를 의미할 수 있다.
앞서 나열된 다양한 셀은 하나 이상의 셀을 제어하는 기지국이 존재하므로 기지국은 두 가지 의미로 해석될 수 있다. 1) 무선 영역과 관련하여 메가 셀, 매크로 셀, 마이크로 셀, 피코 셀, 펨토 셀, 스몰 셀(small cell)을 제공하는 장치 그 자체이거나, 2) 무선 영역 그 자체를 지시할 수 있다. 1)에서 소정의 무선 영역을 제공하는 장치들이 동일한 개체에 의해 제어되거나 무선 영역을 협력으로 구성하도록 상호 작용하는 모든 장치들을 모두 기지국으로 지시한다. 무선 영역의 구성 방식에 따라 포인트, 송수신 포인트, 송신 포인트, 수신 포인트 등은 기지국의 일 실시 예가 된다. 2)에서 사용자 단말의 관점 또는 이웃하는 기지국의 입장에서 신호를 수신하거나 송신하게 되는 무선 영역 그 자체를 기지국으로 지시할 수도 있다.
본 명세서에서 셀(Cell)은 송수신 포인트로부터 전송되는 신호의 커버리지 또는 송수신 포인트(transmission point 또는 transmission/reception point)로부터 전송되는 신호의 커버리지를 가지는 요소 반송파(component carrier), 그 송수신 포인트 자체를 의미할 수 있다.
상향링크(Uplink, UL, 또는 업링크)는 단말에 의해 기지국으로 데이터를 송수신하는 방식을 의미하며, 하향링크(Downlink, DL, 또는 하향링크)는 기지국에 의해 단말로 데이터를 송수신하는 방식을 의미한다. 하향링크(downlink)는 다중 송수신 포인트에서 단말로의 통신 또는 통신 경로를 의미할 수 있으며, 상향링크(uplink)는 단말에서 다중 송수신 포인트로의 통신 또는 통신 경로를 의미할 수 있다. 이때, 하향링크에서 송신기는 다중 송수신 포인트의 일부분일 수 있고, 수신기는 단말의 일부분일 수 있다. 또한, 상향링크에서 송신기는 단말의 일부분일 수 있고, 수신기는 다중 송수신 포인트의 일부분일 수 있다.
상향링크와 하향링크는, PDCCH(Physical Downlink Control CHannel), PUCCH(Physical Uplink Control CHannel) 등과 같은 제어 채널을 통하여 제어 정보를 송수신하고, PDSCH(Physical Downlink Shared CHannel), PUSCH(Physical Uplink Shared CHannel) 등과 같은 데이터 채널을 구성하여 데이터를 송수신한다. 이하에서는 PUCCH, PUSCH, PDCCH 및 PDSCH 등과 같은 채널을 통해 신호가 송수신되는 상황을 'PUCCH, PUSCH, PDCCH 및 PDSCH를 전송, 수신한다'는 형태로 표기하기도 한다.
설명을 명확하게 하기 위해, 이하에서는 본 기술 사상을 3GPP LTE/LTE-A/NR(New RAT) 통신 시스템을 위주로 기술하지만 본 기술적 특징이 해당 통신 시스템에 제한되는 것은 아니다.
3GPP에서는 4G(4th-Generation) 통신 기술에 대한 연구 이후에 ITU-R의 차세대 무선 접속 기술의 요구사항에 맞추기 위한 5G(5th-Generation)통신 기술을 개발한다. 구체적으로, 3GPP는 5G 통신 기술로 LTE-Advanced 기술을 ITU-R의 요구사항에 맞추어 향상시킨 LTE-A pro와 4G 통신 기술과는 별개의 새로운 NR 통신 기술을 개발한다. LTE-A pro와 NR은 모두 5G 통신 기술을 의미하는 것으로, 이하에서는 특정 통신 기술을 특정하는 경우가 아닌 경우에 NR을 중심으로 5G 통신 기술을 설명한다.
NR에서의 운영 시나리오는 기존 4G LTE의 시나리오에서 위성, 자동차, 그리고 새로운 버티컬 등에 대한 고려를 추가하여 다양한 동작 시나리오를 정의하였으며, 서비스 측면에서 eMBB(Enhanced Mobile Broadband) 시나리오, 높은 단말 밀도를 가지되 넓은 범위에 전개되어 낮은 데이터 레이트(data rate)와 비동기식 접속이 요구되는 mMTC(Massive Machine Communication) 시나리오, 높은 응답성과 신뢰성이 요구되고 고속 이동성을 지원할 수 있는 URLLC(Ultra Reliability and Low Latency) 시나리오를 지원한다.
이러한 시나리오를 만족하기 위해서 NR은 새로운 waveform 및 프레임 구조 기술, 낮은 지연속도(Low latency) 기술, 초고주파 대역(mmWave) 지원 기술, 순방향 호환성(Forward compatible) 제공 기술이 적용된 무선 통신 시스템을 개시한다. 특히, NR 시스템에서는 순방향(Forard) 호환성을 제공하기 위해서 유연성 측면에서 다양한 기술적 변화를 제시하고 있다. NR의 주요 기술적 특징은 아래에서 도면을 참조하여 설명한다.
<NR 시스템 일반>
도 1은 본 실시예가 적용될 수 있는 NR 시스템에 대한 구조를 간략하게 도시한 도면이다.
도 1을 참조하면, NR 시스템은 5GC(5G Core Network)와 NR-RAN파트로 구분되며, NG-RAN은 사용자 평면(SDAP/PDCP/RLC/MAC/PHY) 및 UE(User Equipment)에 대한 제어 평면(RRC) 프로토콜 종단을 제공하는 gNB와 ng-eNB들로 구성된다. gNB 상호 또는 gNB와 ng-eNB는 Xn 인터페이스를 통해 상호 연결된다. gNB와 ng-eNB는 각각 NG 인터페이스를 통해 5GC로 연결된다. 5GC는 단말 접속 및 이동성 제어 기능 등의 제어 평면을 담당하는 AMF (Access and Mobility Management Function)와 사용자 데이터에 제어 기능을 담당하는 UPF (User Plane Function)를 포함하여 구성될 수 있다. NR에서는 6GHz 이하 주파수 대역(FR1, Frequency Range 1)과 6GHz 이상 주파수 대역(FR2, Frequency Range 2)에 대한 지원을 모두 포함한다.
gNB는 단말로 NR 사용자 평면 및 제어 평면 프로토콜 종단을 제공하는 기지국을 의미하고, ng-eNB는 단말로 E-UTRA 사용자 평면 및 제어 평면 프로토콜 종단을 제공하는 기지국을 의미한다. 본 명세서에서 기재하는 기지국은 gNB 및 ng-eNB를 포괄하는 의미로 이해되어야 하며, 필요에 따라 gNB 또는 ng-eNB를 구분하여 지칭하는 의미로 사용될 수도 있다.
<NR 웨이브 폼, 뉴머롤러지 및 프레임 구조>
NR에서는 하향링크 전송을 위해서 Cyclic prefix를 사용하는 CP-OFDM 웨이브 폼을 사용하고, 상향링크 전송을 위해서 CP-OFDM 또는 DFT-s-OFDM을 사용한다. OFDM 기술은 MIMO(Multiple Input Multiple Output)와 결합이 용이하며, 높은 주파수 효율과 함께 저 복잡도의 수신기를 사용할 수 있다는 장점을 가지고 있다.
한편, NR에서는 전술한 3가지 시나리오별로 데이터 속도, 지연속도, 커버리지 등에 대한 요구가 서로 상이하기 때문에 임의의 NR 시스템을 구성하는 주파수 대역을 통해 각각의 시나리오별 요구사항을 효율적으로 만족시킬 필요가 있다. 이를 위해서, 서로 다른 복수의 뉴머롤러지(numerology) 기반의 무선 자원을 효율적으로 멀티플렉싱(multiplexing)하기 위한 기술이 제안되었다.
구체적으로, NR 전송 뉴머롤러지는 서브캐리어 간격(sub-carrier spacing)과 CP(Cyclic prefix)에 기초하여 결정되며, 아래 표 1과 같이 15 kHz를 기준으로 μ 값이 2의 지수 값으로 사용되어 지수적으로 변경된다.
μ 서브캐리어 간격 Cyclic prefix Supported for data Supported for synch
0 15 Normal Yes Yes
1 30 Normal Yes Yes
2 60 Normal, Extended Yes No
3 120 Normal Yes Yes
4 240 Normal No Yes
위 표 1과 같이 NR의 뉴머롤러지는 서브캐리어 간격에 따라 5가지로 구분될 수 있다. 이는 4G 통신 기술 중 하나인 LTE의 서브캐리어 간격이 15 kHz로 고정되는 것과는 차이가 있다. 구체적으로, NR에서 데이터 전송을 위해서 사용되는 서브캐리어 간격은 15, 30, 60, 120 kHz 이고, 동기 신호 전송을 위해서 사용되는 서브캐리어 간격은 15, 30, 12, 240 kHz 이다. 또한, 확장 CP는 60 kHz 서브캐리어 간격에만 적용된다. 한편, NR에서의 프레임 구조(frame structure)는 1ms의 동일한 길이를 가지는 10개의 서브프레임(subframe)으로 구성되는 10ms의 길이를 가지는 프레임(frame)이 정의된다. 하나의 프레임은 5ms의 하프 프레임으로 나뉠 수 있으며, 각 하프 프레임은 5개의 서브프레임을 포함한다. 15 kHz 서브캐리어 간격의 경우에 하나의 서브프레임은 1개의 슬롯(slot)으로 구성되고, 각 슬롯은 14개의 OFDM 심볼(symbol)로 구성된다. 도 2는 본 실시예가 적용될 수 있는 NR 시스템에서의 프레임 구조를 설명하기 위한 도면이다. 도 2를 참조하면, 슬롯은 노멀 CP의 경우에 고정적으로 14개의 OFDM 심볼로 구성되나, 슬롯의 시간 도메인에서 길이는 서브캐리어 간격에 따라 달라질 수 있다. 예를 들어, 15 kHz 서브캐리어 간격을 가지는 뉴머롤러지의 경우에 슬롯은 1ms 길이로 서브프레임과 동일한 길이로 구성된다. 이와 달리, 30 kHz 서브캐리어 간격을 가지는 뉴머롤러지의 경우에 슬롯은 14개의 OFDM 심볼로 구성되나, 0.5ms의 길이로 하나의 서브프레임에 두 개의 슬롯이 포함될 수 있다. 즉, 서브프레임과 프레임은 고정된 시간 길이를 가지고 정의되며, 슬롯은 심볼의 개수로 정의되어 서브캐리어 간격에 따라 시간 길이가 달라질 수 있다.
한편, NR은 스케줄링의 기본 단위를 슬롯으로 정의하고, 무선 구간의 전송 지연을 감소시키기 위해서 미니 슬롯(또는 서브 슬롯 또는 non-slot based schedule)도 도입하였다. 넓은 서브캐리어 간격을 사용하면 하나의 슬롯의 길이가 반비례하여 짧아지기 때문에 무선 구간에서의 전송 지연을 줄일 수 있다. 미니 슬롯(또는 서브 슬롯)은 URLLC 시나리오에 대한 효율적인 지원을 위한 것으로 2, 4, 7개 심볼 단위로 스케줄링이 가능하다.
또한, NR은 LTE와 달리 상향링크 및 하향링크 자원 할당을 하나의 슬롯 내에서 심볼 레벨로 정의하였다. HARQ 지연을 줄이기 위해 전송 슬롯 내에서 바로 HARQ ACK/NACK을 송신할 수 있는 슬롯 구조가 정의되었으며, 이러한 슬롯 구조를 자기 포함(self-contained) 구조로 명명하여 설명한다.
NR에서는 총 256개의 슬롯 포맷을 지원할 수 있도록 설계되었으며, 이중 62개의 슬롯 포맷이 3GPP Rel-15에서 사용된다. 또한, 다양한 슬롯의 조합을 통해서 FDD 또는 TDD 프레임을 구성하는 공통 프레임 구조를 지원한다. 예를 들어, 슬롯의 심볼이 모두 하향링크로 설정되는 슬롯 구조와 심볼이 모두 상향링크로 설정되는 슬롯 구조 및 하향링크 심볼과 상향링크 심볼이 결합된 슬롯 구조를 지원한다. 또한, NR은 데이터 전송이 하나 이상의 슬롯에 분산되어 스케줄링됨을 지원한다. 따라서, 기지국은 슬롯 포맷 지시자(SFI, Slot Format Indicator)를 이용하여 단말에 슬롯이 하향링크 슬롯인지, 상향링크 슬롯인지 또는 플렉시블 슬롯인지를 알려줄 수 있다. 기지국은 단말 특정하게(UE-specific) RRC 시그널링을 통해서 구성된 테이블의 인덱스를 SFI를 이용하여 지시함으로써 슬롯 포맷을 지시할 수 있으며, DCI(Downlink Control Information)를 통해서 동적으로 지시하거나 RRC를 통해서 정적 또는 준정적으로 지시할 수도 있다.
<NR 물리 자원 >
NR에서의 물리 자원(physical resource)과 관련하여, 안테나 포트(antenna port), 자원 그리드(resource grid), 자원 요소(resource element), 자원 블록(resource block), 대역폭 파트(bandwidth part) 등이 고려된다.
안테나 포트는 안테나 포트 상의 심볼이 운반되는 채널이 동일한 안테나 포트 상의 다른 심볼이 운반되는 채널로부터 추론될 수 있도록 정의된다. 하나의 안테나 포트 상의 심볼이 운반되는 채널의 광범위 특성(large-scale property)이 다른 안테나 포트 상의 심볼이 운반되는 채널로부터 추론될 수 있는 경우, 2 개의 안테나 포트는 QC/QCL(quasi co-located 또는 quasi co-location) 관계에 있다고 할 수 있다. 여기에서, 광범위 특성은 지연 확산(Delay spread), 도플러 확산(Doppler spread), 주파수 시프트(Frequency shift), 평균 수신 파워(Average received power) 및 수신 타이밍(Received Timing) 중 하나 이상을 포함한다.
도 3은 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 자원 그리드를 설명하기 위한 도면이다.
도 3을 참조하면, 자원 그리드(Resource Grid)는 NR이 동일 캐리어에서 복수의 뉴머롤러지를 지원하기 때문에 각 뉴머롤러지에 따라 자원 그리드가 존재할 수 있다. 또한, 자원 그리드는 안테나 포트, 서브캐리어 간격, 전송 방향에 따라 존재할 수 있다.
자원 블록(resource block)은 12개의 서브캐리어로 구성되며, 주파수 도메인 상에서만 정의된다. 또한, 자원 요소(resource element)는 1개의 OFDM 심볼과 1개의 서브캐리어로 구성된다. 따라서, 도 3에서와 같이 하나의 자원 블록은 서브캐리어 간격에 따라 그 크기가 달라질 수 있다. 또한, NR에서는 자원 블록 그리드를 위한 공통 참조점 역할을 수행하는 "Point A"와 공통 자원 블록, 가상 자원 블록 등을 정의한다.
도 4는 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 대역폭 파트를 설명하기 위한 도면이다.
NR에서는 캐리어 대역폭이 20Mhz로 고정된 LTE와 달리 서브캐리어 간격별로 최대 캐리어 대역폭이 50Mhz에서 400Mhz로 설정된다. 따라서, 모든 단말이 이러한 캐리어 대역폭을 모두 사용하는 것을 가정하지 않는다. 이에 따라서 NR에서는 도 4에 도시된 바와 같이 캐리어 대역폭 내에서 대역폭 파트(BWP)를 지정하여 단말이 사용할 수 있다. 또한, 대역폭 파트는 하나의 뉴머롤러지와 연계되며 연속적인 공통 자원 블록의 서브 셋으로 구성되고, 시간에 따라 동적으로 활성화될 수 있다. 단말에는 상향링크 및 하향링크 각각 최대 4개의 대역폭 파트가 구성되고, 주어진 시간에 활성화된 대역폭 파트를 이용하여 데이터가 송수신된다.
페어드 스펙트럼(paired spectrum)의 경우 상향링크 및 하향링크 대역폭 파트가 독립적으로 설정되며, 언페어드 스펙트럼(unpaired spectrum)의 경우 하향링크와 상향링크 동작 간에 불필요한 주파수 리튜닝(re-tunning)을 방지하기 위해서 하향링크와 상향링크의 대역폭 파트가 중심 주파수를 공유할 수 있도록 쌍을 이루어 설정된다.
<NR 초기 접속>
NR에서 단말은 기지국에 접속하여 통신을 수행하기 위해서 셀 검색 및 랜덤 액세스 절차를 수행한다.
셀 검색은 기지국이 전송하는 동기 신호 블록(SSB, Synchronization Signal Block)를 이용하여 단말이 해당 기지국의 셀에 동기를 맞추고, 물리계층 셀 ID를 획득하며, 시스템 정보를 획득하는 절차이다.
도 5는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 동기 신호 블록을 예시적으로 도시한 도면이다.
도 5를 참조하면, SSB는 각각 1개 심볼 및 127개 서브 캐리어를 점유하는 PSS(primarysynchronization signal) 및 SSS(secondary synchronization signal) 및 3개의 OFDM 심볼 및 240 개의 서브캐리어에 걸쳐있는 PBCH로 구성된다.
단말은 시간 및 주파수 도메인에서 SSB를 모니터링하여 SSB를 수신한다.
SSB는 5ms 동안 최대 64번 전송될 수 있다. 다수의 SSB는 5ms 시간 내에서 서로 다른 전송 빔으로 전송되며, 단말은 전송에 사용되는 특정 하나의 빔을 기준으로 볼 때에는 20ms의 주기마다 SSB가 전송된다고 가정하고 검출을 수행한다. 5ms 시간 내에서 SSB 전송에 사용할 수 있는 빔의 개수는 주파수 대역이 높을수록 증가할 수 있다. 예를 들어, 3GHz 이하에서는 최대 4개의 SSB 빔 전송이 가능하며, 3~6GHz까지의 주파수 대역에서는 최대 8개, 6GHz 이상의 주파수 대역에서는 최대 64개의 서로 다른 빔을 사용하여 SSB를 전송할 수 있다.
SSB는 하나의 슬롯에 두 개가 포함되며, 서브캐리어 간격에 따라 아래와 같이 슬롯 내에서의 시작 심볼과 반복 횟수가 결정된다.
한편, SSB는 종래 LTE의 SS와 달리 캐리어 대역폭의 센터 주파수에서 전송되지 않는다. 즉, SSB는 시스템 대역의 중심이 아닌 곳에서도 전송될 수 있고, 광대역 운영을 지원하는 경우 주파수 도메인 상에서 복수의 SSB가 전송될 수 있다. 이에 따라서, 단말은 SSB를 모니터링하는 후보 주파수 위치인 동기 래스터(synchronization raster)를 이용하여 SSB를 모니터링한다. 초기 접속을 위한 채널의 중심 주파수 위치 정보인 캐리어래스터(carrier raster)와 동기 래스터는 NR에서 새롭게 정의되었으며, 동기 래스터는 캐리어래스터에 비해서, 주파수 간격이 넓게 설정되어 있어서, 단말의 빠른 SSB 검색을 지원할 수 있다.
단말은 SSB의 PBCH를 통해서 MIB를 획득할 수 있다. MIB(Master Information Block)는 단말이 네트워크가 브로드캐스팅하는 나머지 시스템 정보(RMSI, Remaining Minimum System Information)를 수신하기 위한 최소 정보를 포함한다. 또한, PBCH는 시간 도메인 상에서의 첫 번째 DM-RS 심볼의 위치에 대한 정보, SIB1을 단말이 모니터링하기 위한 정보(예를 들어, SIB1 뉴머롤러지 정보, SIB1 CORESET에 관련된 정보, 검색 공간 정보, PDCCH 관련 파라미터 정보 등), 공통 자원 블록과 SSB 사이의 오프셋 정보(캐리어 내에서의 절대 SSB의 위치는 SIB1을 통해서 전송) 등을 포함할 수 있다. 여기서, SIB1 뉴머롤러지 정보는 단말이 셀 검색 절차를 완료한 이후에 기지국에 접속하기 위한 랜덤 액세스 절차에서 사용되는 일부 메시지에서도 동일하게 적용된다. 예를 들어, 랜덤 액세스 절차를 위한 메시지 1 내지 4 중 적어도 하나에 SIB1의 뉴머롤러지 정보가 적용될 수 있다.
전술한 RMSI는 SIB1(System Information Block 1)을 의미할 수 있으며, SIB1은 셀에서 주기적으로(ex, 160ms) 브로드캐스팅 된다. SIB1은 단말이 초기 랜덤 액세스 절차를 수행하는데 필요한 정보를 포함하며, PDSCH를 통해서 주기적으로 전송된다. 단말이 SIB1을 수신하기 위해서는 PBCH를 통해서 SIB1 전송에 사용되는 뉴머롤러지 정보, SIB1의 스케줄링에 사용되는 CORESET(Control Resource Set) 정보를 수신해야 한다. 단말은 CORESET 내에서 SI-RNTI를 이용하여 SIB1에 대한 스케줄링 정보를 확인하고, 스케줄링 정보에 따라 SIB1을 PDSCH 상에서 획득한다. SIB1을 제외한 나머지 SIB들은 주기적으로 전송될 수도 있고, 단말의 요구에 따라 전송될 수도 있다.
도 6는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 랜덤 액세스 절차를 설명하기 위한 도면이다.
도 6을 참조하면, 셀 검색이 완료되면 단말은 기지국으로 랜덤 액세스를 위한 랜덤 액세스 프리앰블을 전송한다. 랜덤 액세스 프리앰블은 PRACH를 통해서 전송된다. 구체적으로, 랜덤 액세스 프리앰블은 주기적으로 반복되는 특정 슬롯에서 연속된 무선 자원으로 구성되는 PRACH를 통해서 기지국으로 전송된다. 일반적으로, 단말이 셀에 초기 접속하는 경우에 경쟁 기반 랜덤 액세스 절차를 수행되며, 빔 실패 복구(BFR, Beam Failure Recovery)를 위해서 랜덤 액세스를 수행하는 경우에는 비경쟁 기반 랜덤 액세스 절차가 수행된다.
단말은 전송한 랜덤 액세스 프리앰블에 대한 랜덤 액세스 응답을 수신한다. 랜덤 액세스 응답에는 랜덤 액세스 프리앰블식별자(ID), UL Grant (상향링크 무선자원), 임시 C-RNTI(Temporary Cell - Radio Network Temporary Identifier) 그리고 TAC(Time Alignment Command) 이 포함될 수 있다. 하나의 랜덤 액세스 응답에는 하나 이상의 단말들을 위한 랜덤 액세스 응답 정보가 포함될 수 있기 때문에, 랜덤 액세스 프리앰블식별자는 포함된 UL Grant, 임시 C-RNTI 그리고 TAC가 어느 단말에게 유효한지를 알려주기 위하여 포함될 수 있다. 랜덤 액세스 프리앰블식별자는 기지국이 수신한 랜덤 액세스 프리앰블에 대한식별자일 수 있다. TAC는 단말이 상향링크 동기를 조정하기 위한 정보로서 포함될 수 있다. 랜덤 액세스 응답은 PDCCH상의 랜덤 액세스 식별자, 즉 RA-RNTI(Random Access - Radio Network Temporary Identifier)에 의해지시될 수 있다.
유효한 랜덤 액세스 응답을 수신한 단말은 랜덤 액세스 응답에 포함된 정보를 처리하고, 기지국으로 스케줄링된 전송을 수행한다. 예를 들어, 단말은 TAC을 적용시키고, 임시 C-RNTI를 저장한다. 또한, UL Grant를 이용하여, 단말의 버퍼에 저장된 데이터 또는 새롭게 생성된 데이터를 기지국으로 전송한다. 이 경우 단말을 식별할 수 있는 정보가 포함되어야 한다.
마지막으로 단말은 경쟁 해소를 위한 하향링크 메시지를 수신한다.
<NR CORESET>
NR에서의 하향링크 제어채널은 1~3 심볼의 길이를 가지는 CORESET(Control Resource Set)에서 전송되며, 상/하향 스케줄링 정보와 SFI(Slot format Index), TPC(Transmit Power Control) 정보 등을 전송한다.
이와 같이 NR에서는 시스템의 유연성을 확보하기 위해서, CORESET 개념을 도입하였다. CORESET(Control Resource Set)은 하향링크 제어 신호를 위한 시간-주파수 자원을 의미한다. 단말은 CORESET 시간-주파수 자원에서 하나 이상의 검색 공간을 사용하여 제어 채널 후보를 디코딩할 수 있다. CORESET 별 QCL(Quasi CoLocation) 가정을 설정하였으며, 이는 종래 QCL에 의해서 가정되는 특성인 지연 스프레드, 도플러 스프레드, 도플러 쉬프트, 평균 지연 외에 아날로그 빔 방향에 대한 특성을 알리기 위한 목적으로 사용된다.
도 7은 CORESET에 대해서 설명하기 위한 도면이다.
도 7을 참조하면, CORESET은 하나의 슬롯 내에서 캐리어 대역폭 내에서 다양한 형태로 존재할 수 있으며, 시간 도메인 상에서 CORESET은 최대 3개의 OFDM 심볼로 구성될 수 있다. 또한, CORESET은 주파수 도메인 상에서 캐리어 대역폭까지 6개의 자원 블록의 배수로 정의된다.
첫 번째 CORESET은 네트워크로부터 추가 구성정보 및 시스템 정보를 수신할 수 있도록 초기 대역폭 파트 구성의 일부로 MIB를 통해서 지시된다. 기지국과의 연결 설정 후에 단말은 RRC 시그널링을 통해서 하나 이상의 CORESET 정보를 수신하여 구성할 수 있다.
본 명세서에서 NR(New Radio)과 관련한 주파수, 프레임, 서브프레임, 자원, 자원블록, 영역(region), 밴드, 서브밴드, 제어채널, 데이터채널, 동기신호, 각종 참조신호, 각종 신호 또는 각종 메시지는 과거 또는 현재 사용되는 의미 또는 장래 사용되는 다양한 의미로 해석될 수 있다.
최근 3GPP에서 진행된 NR은 LTE 대비 향상된 데이터 전송률뿐만 아니라 세분화되고 구체화된 서비스 요건(usage scenario) 별로 요구되는 다양한 QoS 요구를 만족시킬 수 있는 설계가 이루어졌다. 특히 NR의 대표적 서비스 요건(usage scenario)으로서 eMBB(enhancement Mobile BroadBand), mMTC(massive Machine Type Communication) 및 URLLC(Ultra Reliable and Low Latency Communications)가 정의되었으며, 각각의 서비스 요건(usage scenario) 별 요구를 만족하기 위한 방법으로서 LTE 대비 플렉서블(flexible)한 프레임 구조(frame structure) 설계가 요구되고 있다.
각각의 서비스 요건(usage scenario)은 데이터 속도(data rates), 지연속도(latency), 신뢰도(reliability), 커버리지(coverage) 등에 대한 요구(requirements)가 서로 상이하기 때문에 임의의 NR 시스템을 구성하는 주파수 대역을 통해 각각의 서비스 요건(usage scenario) 별 요구를 효율적으로 만족시키기 위한 방법으로서 서로 다른 뉴머롤러지(numerology)(예를 들어, subcarrier spacing, subframe, TTI 등) 기반의 무선 자원 유닛(unit)을 효율적으로 멀티플렉싱(multiplexing)하도록 설계되었다.
이를 위한 한 방법으로서, 서로 다른 서브캐리어 간격(subcarrier spacing) 값을 갖는 뉴머롤러지(numerology)에 대해 하나 또는 복수의 NR 요소 반송파(component carrier(s))를 통해 TDM, FDM 또는 TDM/FDM 기반으로 다중화하여 지원하는 방법 및 시간 도메인(time domain)에서의 스케줄링 단위를 구성함에 있어서 하나 이상의 시간 유닛(time unit)을 지원하는 방안에 대한 논의가 이루어졌다. 이와 관련하여 NR에서는 시간 도메인 구조(time domain structure)의 한 종류로서 서브프레임(subframe)에 대한 정의가 이루어졌으며, 해당 서브프레임 지속기간(subframe duration)을 정의하기 위한 레퍼런스 뉴머롤러지(reference numerology)로서 LTE와 동일한 15kHz SCS(Sub-Carrier Spacing) 기반 normal CP overhead의 14개의 OFDM symbols로 구성된 단일한 서브프레임 지속기간(subframe duration)을 정의하기로 결정하였다. 이에 따라 NR에서 서브프레임은 1ms의 지속기간(time duration)을 가진다. 단, LTE와 달리 NR의 서브프레임은 절대적인 레퍼런스 지속기간(reference time duration)으로서, 실제 상/하향링크 데이터 스케줄링의 기반의 되는 시간 유닛(time unit)으로서 슬롯(slot) 및 미니 슬롯(mini-slot)이 정의될 수 있다. 이 경우, 해당 슬롯을 구성하는 OFDM 심볼의 개수, y값은 normal CP의 경우, SCS값에 관계 없이 y=14의 값을 갖도록 결정되었다.
이에 따라 임의의 슬롯은 14개의 심볼로 구성되며, 또한 해당 슬롯의 전송 지시(transmission direction)에 따라, 모든 심볼이 하향링크 전송(DL transmission)을 위해 이용되거나, 또는 모든 심볼이 상향링크 전송(UL transmission)을 위해 이용되거나, 또는 하향링크 부분(DL portion) + 갭(gap) + 상향링크 부분(UL portion)의 형태로 이용될 수 있다.
또한 임의의 뉴머롤러지(numerology)(또는 SCS)에서 상기 슬롯보다 적은 수의 심볼로 구성된 미니 슬롯이 정의되어 이를 기반으로 상/하향링크 데이터 송수신을 위한 짧은 길이의 시간 도메인 스케줄링 간격(time-domain scheduling interval)이 설정되거나, 또는 슬롯 병합(slot aggregation)을 통해 상/하향링크 데이터 송수신을 위한 긴 길이의 시간 도메인 스케줄링 간격(time-domain scheduling interval)이 구성될 수 있다.
특히 URLLC와 같이 지연속도에 크리티컬(latency critical)한 데이터에 대한 송수신의 경우, 15kHz와 같이 SCS값이 작은 뉴머롤러지(numerology) 기반의 프레임(frame) 구조에서 정의된 1ms(14 symbols) 기반의 슬롯 단위로 스케줄링이 이루어질 경우, 지연속도 요구(latency requirement)를 만족시키기 힘들 수 있기 때문에 이를 위해서 해당 슬롯보다 적은 수의 OFDM 심볼로 구성된 미니 슬롯을 정의하여 이를 기반으로 해당 URLLC와 같은 지연속도에 크리티컬(latency critical)한 데이터에 대한 스케줄링이 이루어지도록 정의할 수 있다.
또는 상기에서 서술한 바와 같이 하나의 NR 캐리어(Carrier) 내에서 서로 다른 SCS값을 갖는 뉴머롤러지(numerology)를 TDM 및/또는 FDM 방식으로 다중화하여 지원함으로써, 각각의 뉴머롤러지(numerology) 별로 정의된 슬롯(또는 미니 슬롯) 길이(length)를 기반으로 지연속도 요구(latency requirement)에 맞추어 데이터를 스케줄링하는 방안도 고려되고 있다. 예를 들어, 아래의 도 8과 같이 SCS가 60kHz인 경우, SCS 15kHz인 경우보다 심볼 길이가 1/4정도로 줄어들기 때문에 동일하게 14개의 OFDM 심볼로 하나의 슬롯을 구성할 경우, 해당 15kHz 기반의 슬롯 길이(slot length)는 1ms이 되는 반면, 60kHz 기반의 슬롯 길이는 약 0.25ms으로 줄어들게 된다.
이처럼 NR에서는 서로 다른 SCS 또는 서로 다른 TTI 길이(length)를 정의함으로써, URLLC와 eMBB 각각의 요구(requirement)를 만족시키는 방법에 대한 논의가 진행되고 있다.
기존 LTE 시스템(system)의 경우, 임의의 LTE CC(Component Carrier)에 대한 확장성 있는(scalable) 대역폭 동작(bandwidth operation)을 지원하였다. 즉, 주파수 배포 시나리오(deployment scenario)에 따라 임의의 LTE 사업자는 하나의 LTE CC를 구성함에 있어서, 최소 1.4 MHz부터 최대 20 MHz의 대역폭을 구성할 수 있었고, 노멀(normal) LTE 단말은 하나의 LTE CC에 대해 20 MHz 대역폭(bandwidth)의 송수신 캐퍼빌리티(capability)를 지원하였다.
하지만, NR의 경우, 하나의 광대역(wideband) NR CC를 통해 서로 다른 송수신 대역폭 캐퍼빌리티(bandwidth capability)를 갖는 NR 단말에 대한 지원이 가능하도록 그 설계가 이루어지고 있으며, 이에 따라 아래의 도 9와 같이 임의의 NR CC에 대해 세분화된 대역폭으로 구성된 하나 이상의 대역폭 파트(BWP, bandwidth part(s))를 구성하여, 단말 별로 서로 다른 대역폭 파트 구성(bandwidth part configuration) 및 활성화(activation)를 통해 플렉시블(flexible)한 보다 넓은 대역폭 동작(wider bandwidth operation)을 지원하도록 요구되고 있다.
구체적으로 NR에서는 단말 관점에서 구성된 하나의 서빙 셀(serving cell)을 통해 하나 이상의 대역폭 파트(bandwidth part)를 구성할 수 있으며, 해당 단말은 해당 서빙 셀(serving cell)에서 하나의 하향링크 대역폭 파트(DL bandwidth part)와 하나의 상향링크 대역폭 파트(UL bandwidth part)를 활성화(activation)하여 상/하향링크 데이터 송수신을 위해 사용하도록 정의되었다. 또한 해당 단말에서 복수의 서빙 셀(serving cell)이 설정된 경우, 즉 CA이 적용된 단말에 대해서도 각각의 서빙 셀(serving cell) 별로 하나의 하향링크 대역폭 파트 및/또는 상향링크 대역폭 파트를 활성화(activation)하여 해당 서빙 셀(serving cell)의 무선 자원을 이용하여 상/하향링크 데이터 송수신을 위해 사용하도록 정의되었다.
구체적으로 임의의 서빙 셀(serving cell)에서 단말의 최초 액세스 절차(initial access procedure)를 위한 최초 대역폭 파트(initial bandwidth part)가 정의되며, 각각의 단말 별로 dedicated RRC signalling을 통해 하나 이상의 단말 특정(UE-specific) 대역폭 파트(bandwidth part(s))가 구성되고, 또한 각각의 단말 별로 폴백 동작(fallback operation)을 위한 디폴트 대역폭 파트(default bandwidth part)가 정의될 수 있다.
단, 임의의 서빙 셀(serving cell)에서 단말의 캐퍼빌리티(capability) 및 대역폭 파트(bandwidth part(s)) 구성에 따라 동시에 복수의 하향링크 및/또는 상향링크 대역폭 파트를 활성화(activation)하여 사용하도록 정의할 수 있으나, NR rel-15에서는 임의의 단말에서 임의의 시간에 하나의 하향링크 대역폭 파트(DL bandwidth part) 및 상향링크 대역폭 파트(UL bandwidth part)만을 활성화(activation)하여 사용하도록 정의되었다.
본 개시에서는 NR 무선 인터페이스에 인공지능(AI)/머신러닝(ML)을 적용하여 지연의 감소 또는 전력의 효율적 사용을 도모하기 위한 구체적인 방법에 대하여 제안한다.
도 10은 일 실시예에 따른 AI/ML 모델을 위한 기능적 프레임워크의 구조를 설명하기 위한 도면이다. 이하에서는 이러한 프레임워크를 전제로 하여 설명하기로 한다.
무선 통신 네트워크에서 적용되는 AI/ML 모델의 경우, 훈련을 위해 훈련 데이터는 네트워크와 단말에서 초기에 생성될 수 있다. 초기 데이터는 이후에 하나 이상의 데이터 수집(data collection) 엔터티(entity)로 수집될 수 있다. 추론(inference)을 위해 단말측 모델(UE-side model) 및 양측 모델의 단말 부분(UE-part of two-sided model)에 대한 추론 데이터는 단말에서 직접 입력될 수 있다. 네트워크측 모델(NW-side model) 양면 모델의 네트워크측(NW-side of two-sided model)에 대한 추론 데이터는 네트워크에서 직접 입력될 수도 있고 단말에서 보낼 수도 있다. 마찬가지로, 모니터링의 경우 단말측 모니터링을 위한 모니터링 데이터는 단말에서 직접 입력될 수 있다. 네트워크측 모니터링을 위한 모니터링 데이터는 네트워크에서 직접 입력될 수도 있고, 필요한 경우 단말에서 보낼 수도 있다.
모델 훈련(model training) 블록에는 초기 훈련과 모델 업데이트가 모두 포함될 수 있다. 일반적으로, 모델 훈련은 모델 개발과 함께 진행되거나 개발된 모델에 대한 후속 교육으로 구성된다. AI/ML 모델 개발에는 전력 소비, 하드웨어 영역, 대기 시간 및 다른 PHY/MAC 기능과의 동시성에 대한 신중한 구현 고려가 요구된다. 모델이 개발되고 훈련된 후 모델은 모델 리포지토리(repository)에 저장되고 대상 장치로 전달되어야 한다. 이후 모델은 추론을 위해 실행 파일로 컴파일되어야 한다.
모델 관리(model management)에는 기능/모델 모니터링, 선택, 활성화, 비활성화, 전환(switching) 및 폴백(fallback)이 포함될 수 있다. 이러한 기본 메커니즘은 기능 기반 및 모델 ID 기반 LCM(life cycle management)에서 다뤄진다. 모델 모니터링, 활성화/비활성화, 선택, 스위칭, 폴백의 일부는 네트워크측에서 수행될 수 있고 또는 다른 일부는 단말측에서 수행될 수 있다.
기능 기반 LCM의 경우 단말은 단말 캐퍼빌리티 보고(capability reporting)를 통해 AI/ML 기능에 대해 네트워크에 알릴 수 있다. 여기서, 기능은 AI/ML 기반 빔 예측, AI/ML 기반 포지셔닝 등과 같이 AI/ML이 사용될 것으로 예상되는 단말의 특정 사용 사례 또는 절차를 나타낼 수 있다. 이후 네트워크는 각 AI/ML 기능의 활성화 및 비활성화를 나타낼 수 있다.
모델 ID 기반 LCM의 경우 단말은 단말 캐퍼빌리티 보고를 통해 AI/ML 기능 및 지원되는 모델 ID에 대해 네트워크에 알릴 수 있다. 따라서, 네트워크는 단말의 AI/ML 모델 기능과 해당 기능에 대해 지원되는 모델 ID를 인식할 수 있다. 이후 네트워크는 다시 각 AI/ML 기능의 활성화 및 비활성화를 나타낼 수 있다. 그러나 기능 기반 LCM과 달리 모델은 할당된 모델 ID를 통해 네트워크에서 식별될 수 있다. 결과적으로 네트워크는 기능에 대해 특정 모델을 활성화/비활성화할 수도 있다. 네트워크는 기능을 위해 한 모델에서 다른 모델로 전환하도록 UE에 지시할 수도 있다.
AI/ML 모델이 전달되면 네트워크는 단말에서의 추론을 위해 AI/ML 기능을 제어할 수 있다. 여기에는 기능의 성능 모니터링뿐만 아니라 단말의 AI/ML 기능 활성화, 비활성화가 포함될 수 있다.
모델 ID 기반 LCM의 경우 할당된 모델 ID를 통해 네트워크에서 모델을 식별할 수 있다. 네트워크는 추론 작업 및 모델 관리(구성, 활성화, 비활성화, 전환, 모니터링, 대체)를 위해 모델 ID로 모델을 처리할 수 있다.
모델 ID 기반 방식의 경우 단말은 단말 캐퍼빌리티 보고를 통해 AI/ML 기능 및 지원되는 모델 ID에 대해 네트워크에 알릴 수 있다. 따라서, 네트워크는 단말의 AI/ML 모델 기능과 해당 기능에 대해 지원되는 모델 ID를 인식할 수 있다. 협력 레벨 y의 경우 AI/ML 모델은 네트워크 외부에 저장되고 무선 인터페이스 외부 메커니즘을 통해 단말로 전달될 수 있다. AI/ML 모델이 단말에 전달되면 네트워크는 단말에서의 추론을 위해 AI/ML 기능을 제어할 수 있다. 여기에는 모델 선택, 활성화, 비활성화, 전환, 폴백, 모니터링이 포함될 수 있다. 모델 ID 기반 LCM의 경우, 모델의 성능 및 적용 가능성에 따라 네트워크 또는 단말에서 배포된 모델 제품군에서 모델 선택을 수행할 수 있다.
협력 레벨 z의 경우 모델이 네트워크에 저장되고 무선 인터페이스를 통해 대상 장치로 전송된다. AI/ML 모델 전송 수신단에서 알려진 모델 구조의 매개변수 또는 매개변수가 있는 새 모델에 대하여 무선 인터페이스를 통해 AI/ML 모델 전송이 수행될 수 있다. 전달에는 전체 모델 또는 부분 모델이 포함될 수 있다. 모델 이전의 경우 모델 ID 기반 LCM의 경우 단말은 단말 캐퍼빌리티 보고를 통해 AI/ML 기능 및 지원되는 모델 ID를 네트워크에 알릴 수 있다. 따라서, 네트워크는 단말의 AI/ML 모델 기능과 해당 기능에 대해 지원되는 모델 ID를 인식할 수 있다.
특정 AI/ML 알고리즘 및 모델이 평가 목적으로 연구될 수 있지만 AI/ML 알고리즘 및 모델은 구현에 따라 다르며 특정될 것으로 예상되지 않는다. AI/ML 기능은 특정 사용 사례 및 하위 사용 사례에 따라 다르며, 네트워크와 UE 사이의 상호작용에 초점을 맞춰야 한다.
네트워크와 단말 사이의 협력 레벨(collaboration level)들은 아래와 같이 정의될 수 있다.
1. 레벨 0(또는 레벨 x): 협력 없음
2. 레벨 1(또는 레벨 y): 모델 이전 없이 시그널링 기반 협력(Signaling-based collaboration without model transfer)
3. 레벨 2(또는 레벨 z): 모델 이전을 수반한 시그널링 기반 협력(Signaling-based collaboration with model transfer)
이러한 협력 레벨에 따라, 기지국과 단말 사이에서 AI/ML 모델의 송수신 또는 관련 정보의 송수신이 수행될 수 있다.
이하에서는, 구체적으로 무선 통신망에서 AI/ML 모델을 이용하는 방법에 대해서 관련 도면을 참조하여 설명하기로 한다.
도 11은 일 실시예에 따른 단말이 AI/ML 모델을 이용하기 위한 절차(100)를 도시한 도면이다.
도 11을 참조하면, 단말은 AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 수신할 수 있다(S110).
기지국과의 무선 통신에 AI/ML 모델을 이용하기 위하여, 단말은 AI/ML 모델의 지원 여부에 관련된 단말의 캐퍼빌리티(capability) 정보를 기지국으로 전송할 수 있다. 즉, 단말은 AI/ML 모델에 대한 지원 여부 및 단말에 구성된 AI/ML 모델에 대한 정보 등 AI/ML 모델의 적용을 위해 필요한 제반 정보를 기지국으로 보고할 수 있다.
기지국과 단말 간 무선 통신에 이용될 수 있는 AI/ML 모델은 AI/ML 모델을 통한 추론 동작의 주체에 기초하여, 단말측(UE-side) 모델, 네트워크측(Network-side) 모델 및 양측(Two-sided) 모델로 구분될 수 있다. 즉, AI/ML 모델에 대한 추론이 단말에서 수행되면 단말측 모델, 해당 추론이 기지국에서 수행되면 네트워크측 모델로 각각 구분된다. 또한, 추론의 일 부분은 단말에서 먼저 수행되고 나머지 부분은 기지국에서 수행되거나, 그 반대의 경우 양측 모델로 구분된다.
또한, AI/ML 모델은, 미리 구성된 협력 레벨에 기초하여 AI/ML 모델의 전송 여부가 결정될 수 있다. 일 예에 따라, AI/ML 모델의 전송이 요구되지 않는 협력 레벨 1에서는, 단말은 학습 정보에 대한 요청을 수신하고, 해당 요청에 따른 응답을 전송할 수 있다.
즉, 기지국과 단말 사이에서 직접적인 모델 전송 없이, 학습 전후의 정보 교환을 위하여 기지국은 단말에 전송 정보 크기 등과 같은 학습에 대한 정보를 요청할 수 있다. 이는, AI/ML 모델에 대한 정보는 이미 기지국과 단말에 구성되어 있는 것을 전제로 한다.
일 예에 따라, 학습에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 해당 구성에 기초하여 단말이 기지국으로 보고하도록 하는 방식으로 구성될 수 있다. 또는, 일 예에 따라, 기지국은 PDCCH 내의 DCI를 통하여 학습에 대한 정보의 요청을 단말에게 전송할 수 있다. 또는, 학습에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 기지국은 PDCCH 내의 DCI를 통해 학습에 대한 정보의 요청의 활성화/비활성화를 지시할 수 있다.
이 경우, 단말은 피드백 채널을 통하여 기지국으로 학습에 대한 정보의 전송 여부를 응답할 수 있다. 단말이 학습에 대한 정보의 전송이 가능함을 응답한 경우, 기지국은 해당 응답에 대응하여 정보 교환을 위한 자원을 구성할 수 있다.
다른 일 예에 따라, AI/ML 모델의 전송이 요구되는 협력 레벨 2에서는, 단말은 AI/ML 모델 정보에 대한 요청을 수신하고, 해당 요청에 따른 응답을 전송할 수 있다. 학습 전후의 모델 전송을 위하여 기지국은 단말에 전송할 모델(크기, 숫자 등)에 대한 정보를 요청한다. 즉, AI/ML 모델에 대한 정보는 기지국과 단말에 구성되어 있지 않은 것을 전제로 한다.
일 예에 따라, 전송할 모델에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 해당 구성에 기초하여 단말이 기지국으로 전송할 를 전송하도록 하는 방식으로 구성될 수 있다. 또는, 일 예에 따라, 기지국은 PDCCH 내의 DCI를 통하여 전송할 모델에 대한 정보의 요청을 단말로 전송할 수 있다. 또는, 모델에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 기지국은 PDCCH 내의 DCI를 통해 모델에 대한 정보의 요청의 활성화/비활성화를 지시할 수 있다.
이 경우, 단말은 피드백 채널을 통하여 기지국으로 학습 전후의 모델 전송 여부를 응답할 수 있다. 단말이 학습 전후의 모델의 전송이 가능함을 응답한 경우, 기지국은 해당 응답에 대응하여 모델 전송을 위한 자원을 구성할 수 있다.
일 예에 따라, AI/ML 모델은, 기능(functionality) 기반 AI/ML 모델 분류 또는 모델 ID 기반 AI/ML 모델 분류 중 적어도 하나에 따라 라이프 사이클 관리(life cycle management)가 수행될 수 있다. 즉, AI/ML 모델에 대한 모니터링, 선택, 활성화, 비활성화, 전환(switching) 및 폴백(fallback)은 특정 기능에 기반하여 수행되거나, 특정 모델 ID에 기반하여 수행될 수 있다.
일 예에 따라, 단말과 기지국 사이에서 AI/ML 모델에 대한 활성화 또는 비활성화를 위하여, 단말은 AI/ML 모델에 대한 사용 요청을 전송할 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니다. 다른 일 예에 따라, 단말의 요청 없이 기지국은 보고받은 단말의 캐퍼빌리티에 기초하여 AI/ML 모델에 대한 활성화 또는 비활성화 지시를 전송할 수 있다.
일 예에 따라, 기능 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 상위 계층 시그널링, MAC CE(MAC Control Element) 또는 하향링크 제어 정보(DCI) 중 적어도 하나를 통하여 수신될 수 있다. 예를 들어, 빔 예측 기능과 같은 특정 기능에 대하여, RRC 시그널링과 같은 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성될 수 있다. 또는, 특정 기능이 수행되는 동안, MAC CE를 통하여 적용될 AI/ML 모델이 활성화 또는 비활성화될 수 있다. 또는, 특정 기능이 수행되는 동안 DCI를 통하여 동적으로 AI/ML 모델의 활성화 또는 비활성화가 지시될 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 모델 ID에 기초하여 수신될 수 있다. 이 경우, 단말은 특정 기능에 대하여 활성화 또는 비활성화하고자 하는 AI/ML 모델에 대한 모델 ID 정보를 기지국으로부터 수신할 수 있다. 이 경우, 모델 ID 정보는 하향링크 제어 채널 또는 하향링크 데이터 채널 중 적어도 하나를 통하여 수신될 수 있다.
다시, 도 11을 참조하면, 단말은 지시 정보에 기초하여 AI/ML 모델을 활성화 또는 비활성화(S120)하고, AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 전송할 수 있다(S130).
일 예에 따라, 기능 기반 AI/ML 모델에 대하여, 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성된 경우를 가정한다. 이 경우, 단말은 구성된 정보에 기초하여 정해진 활성화 주기에 따라 AI/ML 모델을 활성화하거나 비활성화할 수 있다. 또는, 단말은 MAC CE에 기초하여 적용될 AI/ML 모델을 활성화 또는 비활성화할 수 있다. 이 경우, 단말은 AI/ML 모델의 활성화 또는 비활성화에 대한 응답의 전송을 생략할 수 있다.
또는, 단말은 DCI에 기초하여 지시된 AI/ML 모델의 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 단말은 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 전송할 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, 단말은 수신된 모델 ID에 대응하는 AI/ML 모델에 대하여 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 단말은 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 전송할 수 있다. 예를 들어, 해당 응답은 활성화 또는 비활성화 수행에 대한 응답이거나 또는 해당 지시의 수신에 대한 확인을 위한 응답일 수 있다.
AI/ML 모델이 활성화되는 경우, 기지국은 AI/ML 모델에 이용될 수 있는 입력 데이터 또는 출력 데이터의 송수신에 이용되는 무선 자원을 구성할 수 있다. 즉, 활성화된 AI/ML 모델을 통한 기능 수행에 필요한 정보들을 송수신하기 위한 무선 자원들이 할당될 수 있다. 단말과 기지국은 해당 무선 자원을 이용하여 AI/ML 모델을 통한 기능을 수행할 수 있다.
이상에서는, 기지국에서 AI/ML 모델에 대한 활성화 또는 비활성화 지시를 전송하는 경우에 대하여 설명하였다. 전술한 내용의 기술적 사상은, 단말이 AI/ML 모델에 대한 활성화 또는 비활성화를 요청하는 경우 또는 단말 간에 사이드링크를 통하여 AI/ML 모델에 대한 활성화 또는 비활성화를 요청하는 경우에도 실질적으로 동일하게 적용될 수 있다.
이에 따르면, AI/ML 모델의 사용에 따른 구체적인 절차에 대한 무선 통신망에서 AI/ML 모델을 이용하는 방법을 제공할 수 있다.
이하에서는 전술한 단말의 동작과 관련된 기지국의 동작을 도면을 참조하여 설명한다.
도 12는 일 실시예에 따른 기지국이 AI/ML 모델을 이용하기 위한 절차(200)를 도시한 도면이다.
도 12를 참조하면, 기지국은 AI/ML 모델에 대한 요청을 수신할 수 있다(S210).
일 예에 따라, 단말과 기지국 사이에서 AI/ML 모델에 대한 활성화 또는 비활성화를 위하여, 단말은 AI/ML 모델에 대한 사용 요청을 전송할 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니다. 다른 일 예에 따라, 단말의 요청 없이 기지국은 보고받은 단말의 캐퍼빌리티에 기초하여 AI/ML 모델에 대한 활성화 또는 비활성화 지시를 전송할 수 있다.
다시, 도 12를 참조하면, 기지국은 AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 전송할 수 있다(S220).
일 예에 따라, 기능 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 상위 계층 시그널링, MAC CE(MAC Control Element) 또는 하향링크 제어 정보(DCI) 중 적어도 하나를 통하여 전송될 수 있다. 예를 들어, 빔 예측 기능과 같은 특정 기능에 대하여, RRC 시그널링과 같은 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성될 수 있다. 또는, 특정 기능이 수행되는 동안, MAC CE를 통하여 적용될 AI/ML 모델이 활성화 또는 비활성화될 수 있다. 또는, 특정 기능이 수행되는 동안 DCI를 통하여 동적으로 AI/ML 모델의 활성화 또는 비활성화가 지시될 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 모델 ID에 기초하여 수신될 수 있다. 이 경우, 기지국은 특정 기능에 대하여 활성화 또는 비활성화하고자 하는 AI/ML 모델에 대한 모델 ID 정보를 단말로 전송할 수 있다. 이 경우, 모델 ID 정보는 하향링크 제어 채널 또는 하향링크 데이터 채널 중 적어도 하나를 통하여 전송될 수 있다.
다시, 도 12를 참조하면, 기지국은 AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 수신할 수 있다(S230).
일 예에 따라, 기능 기반 AI/ML 모델에 대하여, 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성된 경우를 가정한다. 이 경우, 단말은 구성된 정보에 기초하여 정해진 활성화 주기에 따라 AI/ML 모델을 활성화하거나 비활성화할 수 있다. 또는, 단말은 MAC CE에 기초하여 적용될 AI/ML 모델을 활성화 또는 비활성화할 수 있다. 이 경우, 단말은 AI/ML 모델의 활성화 또는 비활성화에 대한 응답의 전송을 생략할 수 있다.
또는, 단말은 DCI에 기초하여 지시된 AI/ML 모델의 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 기지국은 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 단말로부터 수신할 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, 단말은 수신된 모델 ID에 대응하는 AI/ML 모델에 대하여 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 기지국은 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 단말로부터 수신할 수 있다.
AI/ML 모델이 활성화되는 경우, 기지국은 AI/ML 모델에 이용될 수 있는 입력 데이터 또는 출력 데이터의 송수신에 이용되는 무선 자원을 구성할 수 있다. 즉, 활성화된 AI/ML 모델을 통한 기능 수행에 필요한 정보들을 송수신하기 위한 무선 자원들이 할당될 수 있다. 단말과 기지국은 해당 무선 자원을 이용하여 AI/ML 모델을 통한 기능을 수행할 수 있다.
이에 따르면, AI/ML 모델의 사용에 따른 구체적인 절차에 대한 무선 통신망에서 AI/ML 모델을 이용하는 방법을 제공할 수 있다.
이하에서는, 관련도면을 참조하여, 무선 통신망에서 AI/ML 모델을 이용하는 방법과 관련된 각 실시예에 대하여 구체적으로 설명하기로 한다. 이하에서 설명하는 실시예들은 개별적으로 또는 임의의 조합으로 적용될 수 있다.
특히, 전술한 AI/ML 모델을 이용한 단말과 네트워크 사이의 협력 수준에 따라, AI/ML 모델의 사용 여부를 결정하는 구체적인 절차 및 이에 관련된 실시예들을 검토하기로 한다. 이하의 설명은 NR에서 규정되는 초기 접속, 측위 등 다양한 시나리오들 중에서 AI/ML 모델이 적용될 수 있는 기지국과 단말 사이의 임의의 상호 작용에 대하여 적용될 수 있으며, 특정 케이스로 제한되는 것은 아니다.
실시예 1. AI/ML 모델 사용 여부에 따른 절차 및 물리 계층 디자인
1-1. 기지국이 AI/ML 모델 사용 여부를 결정하는 경우
기지국은 단말과의 통신을 수행하는데 있어 AI/ML 모델의 이용이 필요하다고 판단되는 경우, AI/ML 모델의 사용을 결정할 수 있다. 이 경우, 기지국은 적어도 하나의 자원 요소(RE)를 이용하여 단말에 AI/ML 모델 사용에 대한 요청을 전달할 수 있다.
일 예에 따라, 기지국은 AI/ML 모델 사용에 대한 요청을 RRC 시그널링과 같은 상위 계층 시그널링을 통하여 전송할 수 있다. 이 경우, 기지국은 AI/ML 모델 사용을 RRC 파라미터를 이용하여 구성할 수 있다. 단말은 관련된 RRC 파라미터를 확인하고 AI/ML 모델을 사용하도록 구성된 경우, AI/ML 모델의 지원 여부 및 사용 여부를 판단할 수 있다. 해당 단말이 AI/ML 모델을 지원하고, 해당 모델을 사용할 수 있는 상태인 경우, 해당 단말은 AI/ML 모델을 이용하여 기지국과의 상호 작용을 수행할 수 있다.
또는, 일 예에 따라, 기지국은 AI/ML 모델 관련 정보는 RRC 시그널링과 같은 상위 계층 시그널링을 통하여 구성하되, PDCCH 내의 DCI를 통해 AI/ML 모델의 사용 여부가 활성화/비활성화(activation/deactivation)되도록 구성할 수 있다. 이 경우, 단말은 AI/ML 모델 관련 정보는 상위 계층 시그널링을 수신하여 구성하되, DCI를 통하여 AI/ML 모델의 활성화가 지시된 경우에 한하여, AI/ML 모델을 이용한 상호 작용을 수행할 수 있다.
기지국으로부터의 AI/ML 모델 사용 요청을 확인한 경우, 단말은 AI/ML 모델의 사용 여부를 결정할 수 있다. AI/ML 모델의 사용이 가능한 경우, 단말은 피드백 채널을 통하여 기지국으로 AI/ML 모델의 사용이 가능함을 응답할 수 있다. 이 경우, 기지국은 해당 응답에 대응하여 추가로 1개 이상의 RE를 이용하여 AI/ML 동작을 위한 자원을 구성할 수 있다.
만약, 단말이 AI/ML 기능을 지원하지 않거나 사용할 수 없는 경우, 단말은 피드백 채널을 통하여 기지국으로 AI/ML 모델의 사용이 불가능함을 응답할 수 있다. 이 경우, 기지국은 해당 상호 작용을 통상의 절차를 통하여 수행할 수 있다.
1-2. 단말이 AI/ML 모델 사용 여부를 기지국에 요청하는 경우
단말은 적어도 하나의 RE를 이용하여 기지국에 AI/ML 모델 사용에 대한 요청을 전달할 수 있다.
일 예에 따라, 단말은 AI/ML 모델 관련 정보는 RRC 시그널링과 같은 상위 계층 시그널링을 통하여 수신하되, PUCCH 내의 UCI를 통해 AI/ML 모델의 사용 여부가 활성화/비활성화(activation/deactivation)되도록 구성될 수 있다. 이 경우, 단말은 UCI를 통하여 AI/ML 모델의 활성화 요청을 기지국으로 전송할 수 있다.
이러한 활성화 요청을 수신하면, 기지국은 AI/ML 모델의 사용 여부를 결정할 수 있다. 기지국이 AI/ML 모델의 사용을 결정하는 경우, 기지국은 피드백 채널을 통하여 단말로 AI/ML 모델의 사용이 가능함을 응답할 수 있다. 이 경우, 기지국은 'N' time slot 뒤에 적어도 하나의 RE를 이용하여 AI/ML을 위한 자원을 구성할 수 있다.
만약, 기지국이 AI/ML 기능을 지원하지 않거나 사용하지 않는 것으로 결정하는 경우, 기지국은 피드백 채널을 통하여 단말로 AI/ML 모델의 사용이 가능하지 않음을 응답할 수 있다. 이 경우, 단말은 해당 상호 작용을 통상의 절차를 통하여 수행할 수 있다.
1-3. 단말과 단말 사이에서 AI/ML 모델 사용 여부를 요청하는 경우
단말(UE(A))은 적어도 하나의 RE를 이용하여 적어도 하나의 다른 단말(UE(B))에 AI/ML 모델 사용에 대한 요청을 전달할 수 있다. 이 경우, 단말(UE(A)) 및 단말(UE(B))은 AI/ML 모델 관련 정보를 RRC 시그널링과 같은 상위 계층 시그널링을 통하여 수신할 수 있다.
일 예에 따라, 단말(UE(A))은 PSCCH 내의 SCI를 통해 단말(UE(B))에게 AI/ML 모델의 사용을 요청할 수 있다. 또는, 단말(UE(A))의 요청에 따라 기지국이 PDCCH 내의 DCI를 통하여 단말(UE(B))로 AI/ML 모델의 사용을 요청할 수 있다.
이러한 활성화 요청을 수신하면, 단말(UE(B))은 AI/ML 모델의 사용 여부를 결정할 수 있다. 단말(UE(B))이 AI/ML 모델의 사용을 결정하는 경우, 단말(UE(B))은 피드백 채널을 통하여 단말(UE(A))로 AI/ML 모델의 사용이 가능함을 응답할 수 있다. 이 경우, 단말(UE(B))은 'N' time slot 뒤에 적어도 하나의 RE를 이용하여 AI/ML을 위한 자원을 구성할 수 있다.
만약, 단말(UE(B))이 AI/ML 기능을 지원하지 않거나 사용하지 않는 것으로 결정하는 경우, 단말(UE(B))은 피드백 채널을 통하여 단말로 AI/ML 모델의 사용이 가능하지 않음을 응답할 수 있다. 이 경우, 단말(UE(A))은 해당 상호 작용을 통상의 절차를 통하여 수행할 수 있다.
실시예 2. AI/ML 협력 수준(collaboration level)에 따른 절차 및 물리 계층 디자인
2-1. 레벨 0: 협력 없음의 경우
기지국과 단말 사이에서 AI/ML 협력이 없는 경우로서, 기존의 방식에 따라 통신이 수행될 수 있다.
2-2. 레벨 1: 모델 이전 없이 시그널링 기반 협력의 경우
기지국과 단말 사이에서 직접적인 모델 전송 없이, 학습 전후의 정보 교환을 위하여 기지국은 단말에 전송 정보 크기 등과 같은 학습에 대한 정보를 요청할 수 있다. 즉, AI/ML 모델에 대한 정보는 이미 기지국과 단말에 구성되어 있는 것을 전제로 한다.
일 예에 따라, 학습에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 해당 구성에 기초하여 단말이 기지국으로 보고하도록 하는 방식으로 구성될 수 있다.
또는, 일 예에 따라, 기지국은 PDCCH 내의 DCI를 통하여 학습에 대한 정보의 요청을 단말에게 전송할 수 있다.
또는, 학습에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 기지국은 PDCCH 내의 DCI를 통해 학습에 대한 정보의 요청의 활성화/비활성화를 지시할 수 있다.
이 경우, 단말은 피드백 채널을 통하여 기지국으로 학습에 대한 정보의 전송 여부를 응답할 수 있다. 단말이 학습에 대한 정보의 전송이 가능함을 응답한 경우, 기지국은 해당 응답에 대응하여 정보 교환을 위한 자원을 구성할 수 있다.
2-3. 레벨 2: 모델 이전을 수반한 시그널링 기반 협력의 경우
학습 전후의 모델 전송을 위하여 기지국은 단말에 전송할 모델(크기, 숫자 등)에 대한 정보를 요청한다. 즉, AI/ML 모델에 대한 정보는 기지국과 단말에 구성되어 있지 않은 것을 전제로 한다.
일 예에 따라, 전송할 모델에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 해당 구성에 기초하여 단말이 기지국으로 전송할 를 전송하도록 하는 방식으로 구성될 수 있다.
또는, 일 예에 따라, 기지국은 PDCCH 내의 DCI를 통하여 전송할 모델에 대한 정보의 요청을 단말로 전송할 수 있다.
또는, 모델에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 기지국은 PDCCH 내의 DCI를 통해 모델에 대한 정보의 요청의 활성화/비활성화를 지시할 수 있다.
이 경우, 단말은 피드백 채널을 통하여 기지국으로 학습 전후의 모델 전송 여부를 응답할 수 있다. 단말이 학습 전후의 모델의 전송이 가능함을 응답한 경우, 기지국은 해당 응답에 대응하여 모델 전송을 위한 자원을 구성할 수 있다.
이하, 도 1 내지 도 12를 참조하여 설명한 본 실시예들의 일부 또는 전부를 수행할 수 있는 단말과 기지국의 구성을 도면을 참조하여 설명한다. 다만, 중복되는 설명을 피하기 위하여 전술한 설명 중 일부는 생략하기로 한다.
도 13은 또 다른 실시예에 의한 사용자 단말(1300)의 구성을 보여주는 도면이다.
도 13을 참조하면, 또 다른 실시예에 의한 사용자 단말(1300)은 제어부(1310), 송신부(1320) 및 수신부(1330)를 포함한다.
제어부(1310)는 전술한 본 개시를 수행하기에 필요한 무선 통신망에서 AI/ML 모델을 이용하는 방법에 따른 전반적인 사용자 단말(1300)의 동작을 제어한다. 송신부(1320)는 기지국에 상향링크 제어 정보 및 데이터, 메시지 등을 해당 채널을 통해 전송한다. 수신부(1330)는 기지국으로부터 하향링크 제어정보 및 데이터, 메시지 등을 해당 채널을 통해 수신한다.
제어부(1310)는 AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 수신할 수 있다. 기지국과의 무선 통신에 AI/ML 모델을 이용하기 위하여, 제어부(1310)는 AI/ML 모델의 지원 여부에 관련된 단말의 캐퍼빌리티(capability) 정보를 기지국으로 전송할 수 있다. 즉, 제어부(1310)는 AI/ML 모델에 대한 지원 여부 및 단말에 구성된 AI/ML 모델에 대한 정보 등 AI/ML 모델의 적용을 위해 필요한 제반 정보를 기지국으로 보고할 수 있다.
기지국과 단말 간 무선 통신에 이용될 수 있는 AI/ML 모델은 AI/ML 모델을 통한 추론 동작의 주체에 기초하여, 단말측(UE-side) 모델, 네트워크측(Network-side) 모델 및 양측(Two-sided) 모델로 구분될 수 있다. 즉, AI/ML 모델에 대한 추론이 단말에서 수행되면 단말측 모델, 해당 추론이 기지국에서 수행되면 네트워크측 모델로 각각 구분된다. 또한, 추론의 일 부분은 단말에서 먼저 수행되고 나머지 부분은 기지국에서 수행되거나, 그 반대의 경우 양측 모델로 구분된다.
또한, AI/ML 모델은, 미리 구성된 협력 레벨에 기초하여 AI/ML 모델의 전송 여부가 결정될 수 있다. 일 예에 따라, AI/ML 모델의 전송이 요구되지 않는 협력 레벨 1에서는, 단말은 학습 정보에 대한 요청을 수신하고, 해당 요청에 따른 응답을 전송할 수 있다.
즉, 기지국과 단말 사이에서 직접적인 모델 전송 없이, 학습 전후의 정보 교환을 위하여 기지국은 단말에 전송 정보 크기 등과 같은 학습에 대한 정보를 요청할 수 있다. 이는, AI/ML 모델에 대한 정보는 이미 기지국과 단말에 구성되어 있는 것을 전제로 한다.
일 예에 따라, 학습에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 해당 구성에 기초하여 단말이 기지국으로 보고하도록 하는 방식으로 구성될 수 있다. 또는, 일 예에 따라, 기지국은 PDCCH 내의 DCI를 통하여 학습에 대한 정보의 요청을 단말에게 전송할 수 있다. 또는, 학습에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 기지국은 PDCCH 내의 DCI를 통해 학습에 대한 정보의 요청의 활성화/비활성화를 지시할 수 있다.
이 경우, 제어부(1310)는 피드백 채널을 통하여 기지국으로 학습에 대한 정보의 전송 여부를 응답할 수 있다. 단말이 학습에 대한 정보의 전송이 가능함을 응답한 경우, 기지국은 해당 응답에 대응하여 정보 교환을 위한 자원을 구성할 수 있다.
다른 일 예에 따라, AI/ML 모델의 전송이 요구되는 협력 레벨 2에서는, 제어부(1310)는 AI/ML 모델 정보에 대한 요청을 수신하고, 해당 요청에 따른 응답을 전송할 수 있다. 학습 전후의 모델 전송을 위하여 기지국은 단말에 전송할 모델(크기, 숫자 등)에 대한 정보를 요청한다. 즉, AI/ML 모델에 대한 정보는 기지국과 단말에 구성되어 있지 않은 것을 전제로 한다.
일 예에 따라, 전송할 모델에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 해당 구성에 기초하여 단말이 기지국으로 전송할 를 전송하도록 하는 방식으로 구성될 수 있다. 또는, 일 예에 따라, 기지국은 PDCCH 내의 DCI를 통하여 전송할 모델에 대한 정보의 요청을 단말로 전송할 수 있다. 또는, 모델에 대한 정보의 요청은 RRC 시그널링과 같은 상위 계층 시그널링에 의해 구성되고, 기지국은 PDCCH 내의 DCI를 통해 모델에 대한 정보의 요청의 활성화/비활성화를 지시할 수 있다.
이 경우, 제어부(1310)는 피드백 채널을 통하여 기지국으로 학습 전후의 모델 전송 여부를 응답할 수 있다. 단말이 학습 전후의 모델의 전송이 가능함을 응답한 경우, 기지국은 해당 응답에 대응하여 모델 전송을 위한 자원을 구성할 수 있다.
일 예에 따라, AI/ML 모델은, 기능(functionality) 기반 AI/ML 모델 분류 또는 모델 ID 기반 AI/ML 모델 분류 중 적어도 하나에 따라 라이프 사이클 관리(life cycle management)가 수행될 수 있다. 즉, AI/ML 모델에 대한 모니터링, 선택, 활성화, 비활성화, 전환(switching) 및 폴백(fallback)은 특정 기능에 기반하여 수행되거나, 특정 모델 ID에 기반하여 수행될 수 있다.
일 예에 따라, 단말과 기지국 사이에서 AI/ML 모델에 대한 활성화 또는 비활성화를 위하여, 단말의 AI/ML 모델에 대한 사용 요청을 전송할 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니다. 다른 일 예에 따라, 단말의 요청 없이 기지국은 보고받은 단말의 캐퍼빌리티에 기초하여 AI/ML 모델에 대한 활성화 또는 비활성화 지시를 전송할 수 있다.
일 예에 따라, 기능 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 상위 계층 시그널링, MAC CE(MAC Control Element) 또는 하향링크 제어 정보(DCI) 중 적어도 하나를 통하여 수신될 수 있다. 예를 들어, 빔 예측 기능과 같은 특정 기능에 대하여, RRC 시그널링과 같은 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성될 수 있다. 또는, 특정 기능이 수행되는 동안, MAC CE를 통하여 적용될 AI/ML 모델이 활성화 또는 비활성화될 수 있다. 또는, 특정 기능이 수행되는 동안 DCI를 통하여 동적으로 AI/ML 모델의 활성화 또는 비활성화가 지시될 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 모델 ID에 기초하여 수신될 수 있다. 이 경우, 제어부(1310)는 특정 기능에 대하여 활성화 또는 비활성화하고자 하는 AI/ML 모델에 대한 모델 ID 정보를 기지국으로부터 수신할 수 있다. 이 경우, 모델 ID 정보는 하향링크 제어 채널 또는 하향링크 데이터 채널 중 적어도 하나를 통하여 수신될 수 있다.
제어부(1310)는 지시 정보에 기초하여 AI/ML 모델을 활성화 또는 비활성화하고, AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 전송할 수 있다. 일 예에 따라, 기능 기반 AI/ML 모델에 대하여, 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성된 경우를 가정한다. 이 경우, 제어부(1310)는 구성된 정보에 기초하여 정해진 활성화 주기에 따라 AI/ML 모델을 활성화하거나 비활성화할 수 있다. 또는, 제어부(1310)는 MAC CE에 기초하여 적용될 AI/ML 모델을 활성화 또는 비활성화할 수 있다. 이 경우, 제어부(1310)는 AI/ML 모델의 활성화 또는 비활성화에 대한 응답의 전송을 생략할 수 있다.
또는, 제어부(1310)는 DCI에 기초하여 지시된 AI/ML 모델의 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 제어부(1310)는 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 전송할 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, 제어부(1310)는 수신된 모델 ID에 대응하는 AI/ML 모델에 대하여 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 제어부(1310)는 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 전송할 수 있다.
AI/ML 모델이 활성화되는 경우, 기지국은 AI/ML 모델에 이용될 수 있는 입력 데이터 또는 출력 데이터의 송수신에 이용되는 무선 자원을 구성할 수 있다. 즉, 활성화된 AI/ML 모델을 통한 기능 수행에 필요한 정보들을 송수신하기 위한 무선 자원들이 할당될 수 있다. 단말과 기지국은 해당 무선 자원을 이용하여 AI/ML 모델을 통한 기능을 수행할 수 있다.
이에 따르면, AI/ML 모델의 사용에 따른 구체적인 절차에 대한 무선 통신망에서 AI/ML 모델을 이용하는 장치를 제공할 수 있다.
도 14는 또 다른 실시예에 의한 기지국(1400)의 구성을 보여주는 도면이다.
도 14를 참조하면, 또 다른 실시예에 의한 기지국(1400)은 제어부(1410), 송신부(1420) 및 수신부(1430)를 포함한다.
제어부(1410)는 전술한 본 개시를 수행하기에 필요한 무선 통신망에서 AI/ML 모델을 이용하는 방법에 따른 전반적인 기지국(1400)의 동작을 제어한다. 송신부(1420)와 수신부(1430)는 전술한 본 개시를 수행하기에 필요한 신호나 메시지, 데이터를 단말과 송수신하는데 사용된다.
제어부(1410)는 AI/ML 모델에 대한 요청을 수신할 수 있다. 일 예에 따라, 단말과 기지국 사이에서 AI/ML 모델에 대한 활성화 또는 비활성화를 위하여, 단말은 AI/ML 모델에 대한 사용 요청을 전송할 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니다. 다른 일 예에 따라, 단말의 요청 없이 제어부(1410)는 보고받은 단말의 캐퍼빌리티에 기초하여 AI/ML 모델에 대한 활성화 또는 비활성화 지시를 전송할 수 있다.
제어부(1410)는 AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 전송할 수 있다. 일 예에 따라, 기능 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 상위 계층 시그널링, MAC CE(MAC Control Element) 또는 하향링크 제어 정보(DCI) 중 적어도 하나를 통하여 전송될 수 있다. 예를 들어, 빔 예측 기능과 같은 특정 기능에 대하여, RRC 시그널링과 같은 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성될 수 있다. 또는, 특정 기능이 수행되는 동안, MAC CE를 통하여 적용될 AI/ML 모델이 활성화 또는 비활성화될 수 있다. 또는, 특정 기능이 수행되는 동안 DCI를 통하여 동적으로 AI/ML 모델의 활성화 또는 비활성화가 지시될 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보는, 모델 ID에 기초하여 수신될 수 있다. 이 경우, 제어부(1410)는 특정 기능에 대하여 활성화 또는 비활성화하고자 하는 AI/ML 모델에 대한 모델 ID 정보를 단말로 전송할 수 있다. 이 경우, 모델 ID 정보는 하향링크 제어 채널 또는 하향링크 데이터 채널 중 적어도 하나를 통하여 전송될 수 있다.
제어부(1410)는 AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 수신할 수 있다. 일 예에 따라, 기능 기반 AI/ML 모델에 대하여, 상위 계층 시그널링을 통하여 적어도 하나의 AI/ML 모델의 적용 여부 및 해당 AI/ML 모델의 활성화 주기, 활성화 시구간 등에 대한 정보가 구성된 경우를 가정한다. 이 경우, 단말은 구성된 정보에 기초하여 정해진 활성화 주기에 따라 AI/ML 모델을 활성화하거나 비활성화할 수 있다. 또는, 단말은 MAC CE에 기초하여 적용될 AI/ML 모델을 활성화 또는 비활성화할 수 있다. 이 경우, 단말은 AI/ML 모델의 활성화 또는 비활성화에 대한 응답의 전송을 생략할 수 있다.
또는, 단말은 DCI에 기초하여 지시된 AI/ML 모델의 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 제어부(1410)는 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 단말로부터 수신할 수 있다.
다른 일 예에 따라, 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, 단말은 수신된 모델 ID에 대응하는 AI/ML 모델에 대하여 활성화 또는 비활성화를 수행할 수 있다. 이 경우, 제어부(1410)는 피드백 채널을 통하여 활성화 또는 비활성화 수행 여부에 대한 응답을 단말로부터 수신할 수 있다.
AI/ML 모델이 활성화되는 경우, 제어부(1410)는 AI/ML 모델에 이용될 수 있는 입력 데이터 또는 출력 데이터의 송수신에 이용되는 무선 자원을 구성할 수 있다. 즉, 활성화된 AI/ML 모델을 통한 기능 수행에 필요한 정보들을 송수신하기 위한 무선 자원들이 할당될 수 있다. 단말과 기지국은 해당 무선 자원을 이용하여 AI/ML 모델을 통한 기능을 수행할 수 있다.
이에 따르면, AI/ML 모델의 사용에 따른 구체적인 절차에 대한 무선 통신망에서 AI/ML 모델을 이용하는 장치를 제공할 수 있다.
전술한 실시예들은 무선 접속 시스템들인 IEEE 802, 3GPP 및 3GPP2 중 적어도 하나에 개시된 표준 문서들에 의해 뒷받침될 수 있다. 즉, 본 실시 예들 중 본 기술적 사상을 명확히 드러내기 위해 설명하지 않은 단계, 구성, 부분들은 전술한 표준 문서들에 의해 뒷받침될 수 있다. 또한, 본 명세서에서 개시하고 있는 모든 용어들은위에서 개시한 표준 문서들에 의해 설명될 수 있다.
상술한 본 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 본 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 프로세서, 컨트롤러, 마이크로 컨트롤러 또는 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 실시예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 장치, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
또한, 위에서 설명한 "시스템", "프로세서", "컨트롤러", "컴포넌트", "모듈", "인터페이스", "모델", 또는 "유닛" 등의 용어는 일반적으로 컴퓨터 관련 엔티티 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어 또는 실행 중인 소프트웨어를 의미할 수 있다. 예를 들어, 전술한 구성요소는 프로세서에 의해서 구동되는 프로세스, 프로세서, 컨트롤러, 제어 프로세서, 개체, 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만 이에 국한되지 않는다. 예를 들어, 컨트롤러 또는 프로세서에서 실행 중인 애플리케이션과 컨트롤러 또는 프로세서가 모두 구성 요소가 될 수 있다. 하나 이상의 구성 요소가 프로세스 및/또는 실행 스레드 내에 있을 수 있으며, 구성 요소들은 하나의 장치(예: 시스템, 컴퓨팅 디바이스 등)에 위치하거나 둘 이상의 장치에 분산되어 위치할 수 있다.
이상의 설명은 본 개시의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 기술 사상의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 또한, 본 실시예들은 본 개시의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로 이러한 실시예에 의하여 본 기술 사상의 범위가 한정되는 것은 아니다. 본 개시의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 개시의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
CROSS-REFERENCE TO RELATED APPLICATION
본 특허출원은 2022년 07월 12일 한국에 출원한 특허출원번호 제10-2022-0085576호 및 2023년 07월 11일 한국에 출원한 특허출원번호 제10-2023-0089940호에 대해 미국 특허법 119(a)조 (35 U.S.C §119(a))에 따라 우선권을 주장하며, 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다. 아울러, 본 특허출원은 미국 이외의 국가에 대해서도 위와 동일한 이유로 우선권을 주장하며 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다.

Claims (20)

  1. 무선 통신망에서 단말이 AI/ML 모델을 이용하는 방법에 있어서,
    AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 수신하는 단계;
    상기 지시 정보에 기초하여 상기 AI/ML 모델을 활성화 또는 비활성화하는 단계; 및
    상기 AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 전송하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 AI/ML 모델의 지원 여부에 관련된 상기 단말의 캐퍼빌리티(capability) 정보를 기지국으로 전송하는 단계를 더 포함하는 방법.
  3. 제 1 항에 있어서,
    상기 AI/ML 모델은,
    기능 기반 AI/ML 모델 분류 또는 모델 ID 기반 AI/ML 모델 분류 중 적어도 하나에 따라 라이프 사이클 관리(life cycle management)가 수행되는 방법.
  4. 제 3 항에 있어서,
    상기 활성화 또는 비활성화 지시 정보는,
    상기 기능 기반 AI/ML 모델 분류에 따르는 경우, 상위 계층 시그널링, MAC CE(MAC Control Element) 또는 하향링크 제어 정보 중 적어도 하나를 통하여 수신되는 방법.
  5. 제 3 항에 있어서,
    상기 활성화 또는 비활성화 지시 정보는,
    상기 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, 모델 ID에 기초하여 수신되는 방법.
  6. 제 1 항에 있어서,
    상기 AI/ML 모델은,
    상기 AI/ML 모델을 통한 추론 동작의 주체에 기초하여, UE-side 모델, Network-side 모델 및 Two-sided 모델로 구분되는 방법.
  7. 제 1 항에 있어서,
    상기 AI/ML 모델이 활성화되는 경우, 상기 AI/ML 모델에 이용될 수 있는 입력 데이터 또는 출력 데이터의 송수신에 이용되는 무선 자원을 구성하는 단계를 더 포함하는 방법.
  8. 제 1 항에 있어서,
    상기 AI/ML 모델은,
    미리 구성된 협력 레벨에 기초하여 AI/ML 모델의 전송 여부가 결정되는 방법.
  9. 제 8 항에 있어서,
    상기 AI/ML 모델의 전송이 요구되지 않은 경우, 학습 정보에 대한 요청을 수신하고, 상기 요청에 따른 응답을 전송하는 단계를 더 포함하는 방법.
  10. 제 8 항에 있어서,
    상기 AI/ML 모델의 전송이 요구되는 경우, AI/ML 모델 정보에 대한 요청을 수신하고, 상기 요청에 따른 응답을 전송하는 단계를 더 포함하는 방법.
  11. 무선 통신망에서 AI/ML 모델을 이용하는 단말에 있어서,
    송신부;
    수신부; 및
    상기 송신부 및 상기 수신부의 동작을 제어하는 제어부를 포함하고,
    상기 제어부는,
    AI/ML 모델에 대한 활성화 또는 비활성화 지시 정보를 수신하고, 상기 지시 정보에 기초하여 상기 AI/ML 모델을 활성화 또는 비활성화하고, 상기 AI/ML 모델의 활성화 또는 비활성화에 대한 응답을 전송하는 단말.
  12. 제 11 항에 있어서,
    상기 제어부는,
    상기 AI/ML 모델의 지원 여부에 관련된 상기 단말의 캐퍼빌리티(capability) 정보를 기지국으로 전송하는 단말.
  13. 제 11 항에 있어서,
    상기 AI/ML 모델은,
    기능 기반 AI/ML 모델 분류 또는 모델 ID 기반 AI/ML 모델 분류 중 적어도 하나에 따라 라이프 사이클 관리(life cycle management)가 수행되는 단말.
  14. 제 13 항에 있어서,
    상기 활성화 또는 비활성화 지시 정보는,
    상기 기능 기반 AI/ML 모델 분류에 따르는 경우, 상위 계층 시그널링, MAC CE(MAC Control Element) 또는 하향링크 제어 정보 중 적어도 하나를 통하여 수신되는 단말.
  15. 제 13 항에 있어서,
    상기 활성화 또는 비활성화 지시 정보는,
    상기 모델 ID 기반 AI/ML 모델 분류에 따르는 경우, 모델 ID에 기초하여 수신되는 단말.
  16. 제 11 항에 있어서,
    상기 AI/ML 모델은,
    상기 AI/ML 모델을 통한 추론 동작의 주체에 기초하여, UE-side 모델, Network-side 모델 및 Two-sided 모델로 구분되는 단말.
  17. 제 11 항에 있어서,
    상기 제어부는,
    상기 AI/ML 모델이 활성화되는 경우, 상기 AI/ML 모델에 이용될 수 있는 입력 데이터 또는 출력 데이터의 송수신에 이용되는 무선 자원을 구성하는 단말.
  18. 제 11 항에 있어서,
    상기 AI/ML 모델은,
    미리 구성된 협력 레벨에 기초하여 AI/ML 모델의 전송 여부가 결정되는 단말.
  19. 제 18 항에 있어서,
    상기 제어부는,
    상기 AI/ML 모델의 전송이 요구되지 않은 경우, 학습 정보에 대한 요청을 수신하고, 상기 요청에 따른 응답을 전송하는 단말.
  20. 제 18 항에 있어서,
    상기 제어부는,
    상기 AI/ML 모델의 전송이 요구되는 경우, AI/ML 모델 정보에 대한 요청을 수신하고, 상기 요청에 따른 응답을 전송하는 단말.
PCT/KR2023/009926 2022-07-12 2023-07-12 무선 통신망에서 인공지능/머신러닝 모델을 이용하는 방법 및 장치 WO2024014862A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220085576 2022-07-12
KR10-2022-0085576 2022-07-12
KR10-2023-0089940 2023-07-11
KR1020230089940A KR20240008806A (ko) 2022-07-12 2023-07-11 무선 통신망에서 인공지능/머신러닝 모델을 이용하는방법 및 장치

Publications (1)

Publication Number Publication Date
WO2024014862A1 true WO2024014862A1 (ko) 2024-01-18

Family

ID=89537095

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/009926 WO2024014862A1 (ko) 2022-07-12 2023-07-12 무선 통신망에서 인공지능/머신러닝 모델을 이용하는 방법 및 장치

Country Status (1)

Country Link
WO (1) WO2024014862A1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210390434A1 (en) * 2020-06-12 2021-12-16 Qualcomm Incorporated Machine learning error reporting
US20220012645A1 (en) * 2021-09-23 2022-01-13 Dawei Ying Federated learning in o-ran
US20220103221A1 (en) * 2020-09-30 2022-03-31 Qualcomm Incorporated Non-uniform quantized feedback in federated learning

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210390434A1 (en) * 2020-06-12 2021-12-16 Qualcomm Incorporated Machine learning error reporting
US20220103221A1 (en) * 2020-09-30 2022-03-31 Qualcomm Incorporated Non-uniform quantized feedback in federated learning
US20220012645A1 (en) * 2021-09-23 2022-01-13 Dawei Ying Federated learning in o-ran

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FUJITSU: "Discussions on general aspects of AI/ML framework", 3GPP TSG RAN WG1 #109-E, R1-2205075, 29 April 2022 (2022-04-29), XP052191734 *
QUALCOMM INCORPORATED: "General Aspects of AI/ML Framework", 3GPP TSG RAN WG1 #109-E, R1-2205023, 29 April 2022 (2022-04-29), XP052144132 *

Similar Documents

Publication Publication Date Title
WO2019160332A1 (ko) 상향링크 데이터를 전송하는 방법 및 장치
WO2018174586A1 (ko) 빔 회복 과정 수행 방법과 사용자기기, 및 빔 회복 과정 지원 방법 및 기지국
WO2018230965A2 (ko) 통신 시스템에서 광대역 캐리어 지원을 위한 대역폭 설정 방법
WO2020145610A1 (ko) 상향링크 제어 정보를 송수신하는 방법 및 장치
WO2021060786A1 (ko) 사이드링크 통신을 제어하는 방법 및 그 장치
WO2020189941A1 (ko) 비지상 네트워크를 이용하여 통신을 수행하는 방법 및 그 장치
WO2019074338A1 (ko) 무선 통신 시스템에서 초기 접속을 수행하는 방법 및 장치
WO2020189932A1 (ko) 비지상 네트워크를 이용하여 통신을 수행하는 방법 및 그 장치
WO2020045920A1 (ko) 비면허 대역에서의 채널 접속 실패를 처리하는 방법 및 장치
WO2021141309A1 (ko) 페이징 메시지를 수신하는 방법 및 장치
WO2021230614A1 (ko) 업링크 데이터 전송 방법 및 장치
WO2022092801A1 (ko) 사이드링크 통신 제어 방법 및 그 장치
WO2021187933A1 (ko) 릴레이 노드를 제어하는 방법 및 그 장치
WO2020060234A1 (ko) 데이터 전송 방법 및 장치
WO2020263019A1 (ko) 사이드링크 harq 피드백 전송 방법 및 그 장치
WO2020050630A1 (ko) 비면허 대역에서 무선 통신을 수행하는 방법 및 장치
WO2020209655A1 (ko) 측위를 위한 참조신호를 송수신하는 방법 및 장치
WO2020209657A1 (ko) 사이드링크 통신을 수행하는 방법 및 그 장치
WO2017160051A1 (ko) 무선 통신 시스템에서 기지국과 단말이 신호를 송수신하는 방법 및 이를 지원하는 장치
WO2019221443A1 (ko) 비면허 대역의 무선 통신을 위한 lbt(리슨 비포 토크)를 수행하는 방법 및 장치
WO2022055336A1 (ko) 복수의 셀을 이용한 데이터 송수신 방법 및 장치
WO2022203289A1 (ko) Mbs 세션을 제어하는 방법 및 장치
WO2022005153A1 (ko) 주파수 호핑을 수행하는 방법 및 장치
WO2021206371A1 (ko) 사이드링크 통신을 제어하는 방법 및 그 장치
WO2020166910A1 (ko) 사이드링크 통신을 제어하는 방법 및 그 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23839953

Country of ref document: EP

Kind code of ref document: A1