WO2026033354 - PERFORMANCE MONITORING OF ARTIFICIAL INTELLIGENCE OR MACHINE LEARNING ENABLED CHANNEL STATE INFORMATION COMPRESSION
National phase entry is expected:
Publication Number
WO/2026/033354
Publication Date
12.02.2026
International Application No.
PCT/IB2025/057833
International Filing Date
31.07.2025
Title **
[English]
PERFORMANCE MONITORING OF ARTIFICIAL INTELLIGENCE OR MACHINE LEARNING ENABLED CHANNEL STATE INFORMATION COMPRESSION
[French]
SURVEILLANCE DES PERFORMANCES DE COMPRESSION D'INFORMATIONS D'ÉTAT DE CANAL ACTIVÉE PAR INTELLIGENCE ARTIFICIELLE OU APPRENTISSAGE AUTOMATIQUE
Applicants **
NOKIA TECHNOLOGIES OY
Inventors
KIM, Jee Hyun
LADDU, Keeth Saliya Jayasinghe
TOSATO, Filippo
Priority Data
63/680,414
07.08.2024
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 3069 | |
| EPO | Filing, Examination, Granting | 23805 | |
| Japan | Filing, Examination, Granting | 3047 | |
| South Korea | Filing, Examination, Granting | 3893 | |
| USA | Filing, Examination, Granting | 17340 |
Total:
51,154
Contact Us
Abstract[English]
A monitoring engine enabled with artificial intelligence or machine learning is used for monitoring the performance of an autoencoder for compressing and reconstructing channel state information. The inputs of the monitoring engine comprise at least (a) the quantized channel state information, (b) a mean squared error between an output of an actual channel state information encoder and an output of a hypothetical channel state information encoder, wherein the actual encoder and the hypothetical encoder are located at a user equipment, and (c) a squared generalized cosine similarity reported at the output of a monitoring module located at the user equipment, wherein the monitoring module estimates the squared generalized cosine similarity from the quantized channel state information or by using a proxy decoder. The outputs of the monitoring engine comprise at least the identified root cause of a degradation in the performance of the autoencoder.[French]
Un moteur de surveillance fonctionnant avec l'intelligence artificielle ou l'apprentissage automatique est utilisé pour surveiller les performances d'un autoencodeur en matière de compression et de reconstruction d'informations d'état de canal. Les entrées du moteur de surveillance comprennent au moins (a) les informations d'état de canal quantifiées, (b) une erreur quadratique moyenne entre une sortie d'un encodeur d'informations d'état de canal réel et une sortie d'un encodeur d'informations d'état de canal hypothétique, l'encodeur réel et l'encodeur hypothétique étant localisés au niveau d'un équipement utilisateur, et (c) une similarité cosinus généralisée carrée signalée au niveau de la sorie d'un module de surveillance situé au niveau de l'équipement utilisateur, le module de surveillance estimant la similarité cosinus généralisée carrée à partir des informations d'état de canal quantifiées ou en utilisant un décodeur mandataire. Les sorties du moteur de surveillance comprennent au moins la cause profonde identifiée d'une dégradation des performances de l'autoencodeur.