特許ウォッチ

公開番号2025081005
公報種別公開特許公報(A)
公開日2025-05-27
出願番号2023194467
出願日2023-11-15
発明の名称無線アクセスネットワークの制御装置
出願人KDDI株式会社
代理人弁理士法人大塚国際特許事務所
主分類G06N 20/00 20190101AFI20250520BHJP(計算;計数)
要約【課題】無線アクセスネットワーク(RAN)の制御に使用する学習モデルによる推論速度の低下を抑える。
【解決手段】RANの制御装置は、別の制御装置から受信した基本学習モデルを学習データに基づき更新することで学習モデルを生成する生成手段と、前記生成手段が生成した前記学習モデルに基づき推論を行って、推論結果に基づき前記RANを制御する第1制御手段と、前記生成手段が生成した前記学習モデルによる推論速度を測定する測定手段と、前記測定手段が測定した推論速度の1つ以上の測定値と、前記推論速度の基準値とに基づき、前記学習モデルの推論速度がより速くなる様に前記学習モデルを更新するか否かを判定する判定手段と、を備えている。
【選択図】図7
特許請求の範囲【請求項１】
無線アクセスネットワーク（ＲＡＮ）の制御装置であって、
別の制御装置から受信した基本学習モデルを学習データに基づき更新することで学習モデルを生成する生成手段と、
前記生成手段が生成した前記学習モデルに基づき推論を行って、推論結果に基づき前記ＲＡＮを制御する第１制御手段と、
前記生成手段が生成した前記学習モデルによる推論速度を測定する測定手段と、
前記測定手段が測定した推論速度の１つ以上の測定値と、前記推論速度の基準値とに基づき、前記学習モデルの推論速度がより速くなる様に前記学習モデルを更新するか否かを判定する判定手段と、
を備えている、制御装置。
続きを表示（約 790 文字）【請求項２】
前記生成手段は、前記判定手段が前記学習モデルを更新すると判定した場合、前記学習モデルの圧縮処理により、前記学習モデルの推論速度がより速くなる様に前記学習モデルを更新する、請求項１に記載の制御装置。
【請求項３】
前記判定手段は、前記１つ以上の測定値の内の所定の測定値が前記基準値を超えている場合、或いは、前記１つ以上の測定値に基づく値が前記基準値を超えている場合、前記学習モデルを更新すると判定する、請求項１に記載の制御装置。
【請求項４】
前記別の制御装置からの測定指示に応答して、前記測定手段が測定した前記１つ以上の測定値を前記別の制御装置に送信する制御を行う第２制御手段をさらに備えている、請求項１に記載の制御装置。
【請求項５】
前記生成手段は、前記測定手段が測定した前記１つ以上の測定値を前記別の制御装置に送信したことの応答として、前記別の制御装置から別の基本学習モデルを受信すると、前記別の基本学習モデルを学習データに基づき更新することで学習モデルを生成する、請求項４に記載の制御装置。
【請求項６】
前記第２制御手段は、前記１つ以上の測定値と共に、前記推論速度の基準値を、前記別の制御装置に送信する、請求項４に記載の制御装置。
【請求項７】
前記別の制御装置は、Ｎｏｎ－ＲＴＲＩＣを実装する装置である、請求項１に記載の制御装置。
【請求項８】
前記制御装置は、Ｎｅａｒ－ＲＴＲＩＣを実装する装置である、請求項１に記載の制御装置。
【請求項９】
１つ以上のプロセッサを有する装置の前記１つ以上のプロセッサで実行されると、前記装置を請求項１から８のいずれか１項に記載の制御装置として機能させることを特徴とするプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、無線アクセスネットワーク（ＲＡＮ）の制御技術に関する。
続きを表示（約 2,500 文字）【背景技術】
【０００２】
図１は、オープン無線アクセスネットワーク（Ｏ－ＲＡＮ）アライアンスが提案するＲＡＮの制御構成を示している。図１に示す様に、長周期的な制御を行う第１制御機能と、短周期的な制御を行う第２制御機能と、が定義されている。Ｏ－ＲＡＮにおいて、第１制御機能は、非リアルタイムＲＡＮインテリジェントコントローラ（Ｎｏｎ－ＲＴＲＩＣ）と呼ばれ、第２制御機能は、ニアリアルタイムＲＡＮインテリジェントコントローラ（Ｎｅａｒ－ＲＴＲＩＣ）と呼ばれる。
【０００３】
第１制御機能と第２制御機能は、Ａ１インタフェースを介して接続される。第２制御機能は、Ｅ２インタフェースを介してＲＡＮの構成要素である中央ユニット（ＣＵ）や分散ユニット（ＤＵ）等を制御する。なお、ＣＵやＤＵを制御するとは、ＣＵやＤＵがその処理において使用する各種のパラメータ値をＣＵやＤＵに通知・設定することや、ＣＵやＤＵに対して何らかの動作の実行を指示すること等を含む。さらに、以下の説明において"ＲＡＮ"との用語を、その構成要素の総称として使用する。したがって、例えば、"ＲＡＮを制御する"とは、ＲＡＮの構成要素であるＣＵやＤＵ等を制御することを意味する。第１制御機能、第２制御機能及びＲＡＮは、さらに、Ｏ１インタフェースで接続される。Ｏ１インタフェースは、ＲＡＮが計測／検知して蓄積するトラフィックデータ、パフォーマンスデータ、障害データ等の送信に使用され得る。
【０００４】
非特許文献１は、ＲＡＮの制御に対して機械学習を利用する構成を開示している。具体的には、非特許文献１は、ＲＡＮ等から収集した様々な学習データに基づき機械学習を行って学習モデルを生成し、当該学習モデルを使用して推論を行い、推論結果に従ってＲＡＮを制御することを開示している。非特許文献１が開示する複数の構成の内の１つにおいては、第１制御機能が学習モデルを生成する。そして、第２制御機能は、第１制御機能が生成した学習モデルを使用してＲＡＮを制御する。さらに、非特許文献１が開示する複数の構成の内の１つにおいては、第１制御機能が学習モデルを生成して第２制御機能に配布する。第２制御機能は、機械学習により第１制御機能から受け取った学習モデルを更新すると共に、当該学習モデルを使用してＲＡＮを制御する。
【０００５】
非特許文献２及び非特許文献３は、学習モデルによる推論結果に基づく様々なＲＡＮの制御内容を開示している。一例として、ＲＡＮの制御内容は、ビームフォーミング制御、無線リソース割り当て、トラフィック予測、仮想化技術によるＣＵ及びＤＵの配置制御等を含む。
【先行技術文献】
【非特許文献】
【０００６】
Ｏ－ＲＡＮＡｌｌｉａｎｃｅ，"ＡＩ／ＭＬｗｏｒｋｆｌｏｗｄｅｓｃｒｉｐｔｉｏｎａｎｄｒｅｑｕｉｒｅｍｅｎｔｓ"，Ｏ－ＲＡＮ．ＷＧ２．ＡＩＭＬ－ｖ０１．０３，２０２１年７月
Ｍ．Ｅ．Ｍｏｒｏｃｈｏ－Ｃａｙａｍｃｅｌａ，ｅｔ．ａｌ．，"ＭａｃｈｉｎｅＬｅａｒｎｉｎｇｆｏｒ５Ｇ／Ｂ５ＧＭｏｂｉｌｅａｎｄＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ：Ｐｏｔｅｎｔｉａｌ，Ｌｉｍｉｔａｔｉｏｎｓ，ａｎｄＦｕｔｕｒｅＤｉｒｅｃｔｉｏｎｓ"，ｉｎＩＥＥＥＡｃｃｅｓｓ，ｖｏｌ．７，ｐｐ．１３７１８４－１３７２０６，２０１９年
Ｊ．Ｋａｕｒ，ｅｔ．ａｌ．，"ＭａｃｈｉｎｅＬｅａｒｎｉｎｇＴｅｃｈｎｉｑｕｅｓｆｏｒ５ＧａｎｄＢｅｙｏｎｄ"，ｉｎＩＥＥＥＡｃｃｅｓｓ，ｖｏｌ．９，ｐｐ．２３４７２－２３４８８，２０２１年
【発明の概要】
【発明が解決しようとする課題】
【０００７】
例えば、第２制御機能が第１制御機能から受信した学習モデル又は当該学習モデルを修正した学習モデルに基づきＲＡＮを制御する場合、制御内容に応じた目標時間内に推論を完了させる必要がある。しかしながら、第１制御機能から受信した学習モデル又は当該学習モデルを修正した学習モデルでは、推論を目標時間内に完了させることができない場合が生じ得る。例えば、第２制御機能は、複数の制御内容それぞれに対して生成された複数の学習モデルを使用して様々なＲＡＮの制御を実行する。したがって、第２制御機能の計算機リソースの制限により、個々の学習モデルを使用しての推論速度は変化し得る。さらに、推論速度は、制御対象のＲＡＮの状況の変化等によっても変化し得る。なお、本開示において、推論速度とは、学習モデルにデータを入力してから推論結果を得るまでの時間として定義され得る。しかしながら、学習モデルにデータを入力してから推論結果を得て当該推論結果に基づく制御を完了させるまでの時間を推論速度と定義することもできる。
【０００８】
本開示は、ＲＡＮの制御に使用する学習モデルによる推論速度の低下を抑える技術を提供するものである。
【課題を解決するための手段】
【０００９】
本発明の一態様によると、無線アクセスネットワーク（ＲＡＮ）の制御装置は、別の制御装置から受信した基本学習モデルを学習データに基づき更新することで学習モデルを生成する生成手段と、前記生成手段が生成した前記学習モデルに基づき推論を行って、推論結果に基づき前記ＲＡＮを制御する第１制御手段と、前記生成手段が生成した前記学習モデルによる推論速度を測定する測定手段と、前記測定手段が測定した推論速度の１つ以上の測定値と、前記推論速度の基準値とに基づき、前記学習モデルの推論速度がより速くなる様に前記学習モデルを更新するか否かを判定する判定手段と、を備えている。
【発明の効果】
【００１０】
本開示によると、ＲＡＮの制御に使用する学習モデルによる推論速度の低下を抑えることができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許