Reporting latency capabilities for multiple beam prediction models with identical associated identifiers

Abstract

Methods, systems, and devices for wireless communications are described. In some examples, a user equipment (UE) may transmit a capability report indicating latency capabilities of the UE for performing beam prediction using multiple machine learning models. Each of the multiple machine learning models may be associated with a same set of network-side conditions, represented by an associated ID. The capability report may include a first capability indicating latency associated with loading a machine learning model at the UE and may include a second capability indicating latency associated with performing beam prediction using multiple machine learning models. In some examples, the UE may transmit control signaling to update the first capability, the second capability, or both, based on changes to UE-side conditions over time. Additionally or alternatively, the capability report may indicate whether the UE supports simultaneous beam prediction for a first prediction request and for a second prediction request.

Description

REPORTING LATENCY CAPABILITIES FOR MULTIPLE BEAM PREDICTION MODELS WITH IDENTICAL ASSOCIATED IDENTIFIERS

[0001] FIELD OF TECHNOLOGY

[0002] The following relates to wireless communications, including reporting latency capabilities for multiple beam prediction models with identical associated identifiers.BACKGROUND

[0003] Wireless communications systems are widely deployed to provide various types of communication content such as voice, video, packet data, messaging, broadcast, and so on. These systems may be capable of supporting communication with multiple users by sharing the available system resources (e.g., time, frequency, and power) . Examples of such multiple-access systems include fourth generation (4G) systems such as Long Term Evolution (LTE) systems, LTE-Advanced (LTE-A) systems, or LTE-A Pro systems, and fifth generation (5G) systems which may be referred to as New Radio (NR) systems. These systems may employ technologies such as code division multiple access (CDMA) , time division multiple access (TDMA) , frequency division multiple access (FDMA) , orthogonal FDMA (OFDMA) , or discrete Fourier transform spread orthogonal frequency division multiplexing (DFT-S-OFDM) . A wireless multiple-access communications system may include one or more base stations, each supporting wireless communication for communication devices, which may be known as user equipment (UE) .SUMMARY

[0004] The systems, methods, and devices of this disclosure each have several innovative aspects, no single one of which is solely responsible for the desirable attributes disclosed herein.

[0005] A method for wireless communications by a user equipment (UE) is described. The method may include reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions  identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier and performing the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0006] A UE for wireless communications is described. The UE may include one or more memories storing processor executable code, and one or more processors coupled with (e.g., operatively, communicatively, functionally, electronically, or electrically) the one or more memories. The one or more processors may individually or collectively be operable to execute the code (e.g., directly, indirectly, after pre-processing, without pre-processing) to cause the UE to report capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier and perform the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0007] Another UE for wireless communications is described. The UE may include means for reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier and means for performing the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0008] A non-transitory computer-readable medium storing code for wireless communications is described. The code may include instructions executable by one or more processors (e.g., directly, indirectly, after pre-processing, without pre-processing) to report capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier and perform the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0009] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the first active beam prediction operation includes predicting one or more channel characteristics associated with a first set of prediction targets and the second beam prediction operation includes predicting the one or more channel characteristics associated with a second set of prediction targets.

[0010] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, performing the second beam prediction operation may include operations, features, means, or instructions for generating a first set of predicted measurement resources in accordance with the first active beam prediction operation and a first set of prediction inputs, generating a second set of predicted measurement resources in accordance with the second beam prediction operation and a second set of prediction inputs, and transmitting a feedback report including the first set of predicted measurement resources and the second set of predicted measurement resources.

[0011] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the capability signaling includes a set of multiple pairs of UE-side latency parameters, a first parameter of each pair of UE-side latency parameters may be associated with a loading operation at the UE, and a second parameter of each pair of UE-side latency parameters may be associated with performing the second beam prediction operation.

[0012] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, a first pair of the set of multiple pairs of UE-side latency parameters may be a default pair and the method, apparatuses, and non-transitory computer-readable medium may include further operations, features, means, or instructions for transmitting control signaling indicating one of the set of multiple pairs of UE-side latency parameters other than the default pair for performing the second beam prediction operation based on one or more UE conditions.

[0013] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the capability signaling indicates a value of zero for a first parameter of the one or more UE-side latency parameters associated with a loading operation at the UE and the method, apparatuses, and non-transitory computer-readable medium may include further operations, features, means, or instructions for indicating,  via the capability signaling, that the UE may be not capable of performing simultaneous beam prediction operations.

[0014] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, a subset of the one or more UE-side latency parameters indicates whether the UE may be capable of performing the first active beam prediction operation and the second beam prediction operation simultaneously.

[0015] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, performing the second beam prediction operation may include operations, features, means, or instructions for performing the first active beam prediction operation based on receiving a first beam prediction request, receiving a second beam prediction request prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE may be capable of performing simultaneous beam prediction operations, and performing the second beam prediction operation based on receiving the second beam prediction request.

[0016] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, performing the second beam prediction operation may include operations, features, means, or instructions for refraining from performing the second beam prediction operation prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE may be capable of performing simultaneous beam prediction operations.

[0017] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, performing the second beam prediction operation may include operations, features, means, or instructions for performing the first active beam prediction operation using a processing unit of the UE based on receiving a first beam prediction request and refraining from performing the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE may be capable of performing simultaneous beam prediction operations.

[0018] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, performing the second beam prediction operation may include operations, features, means, or instructions for performing, for a first duration, the first active beam prediction operation using a processing unit of the UE based on receiving a first beam prediction request and performing, for a second duration, the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE may be capable of performing simultaneous beam prediction operations, where the second duration at least partially overlaps with the first duration.

[0019] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the one or more UE-side latency parameters may be based on the network-side additional conditions identifier and the method, apparatuses, and non-transitory computer-readable medium may include further operations, features, means, or instructions for reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier.

[0020] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the one or more UE-side latency parameters may be based on the network-side additional conditions identifier and the method, apparatuses, and non-transitory computer-readable medium may include further operations, features, means, or instructions for reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier, where the third beam prediction operation may be associated with a different complexity than the second beam prediction operation.

[0021] Some examples of the method, UEs, and non-transitory computer-readable medium described herein may further include operations, features, means, or instructions for reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier.

[0022] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, a subset of the one or more UE-side latency parameters indicates a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier that the UE may be capable of performing simultaneously.

[0023] Some examples of the method, UEs, and non-transitory computer-readable medium described herein may further include operations, features, means, or instructions for reporting updated capability signaling indicating one or more updated UE-side latency parameters, where the one or more UE-side latency parameters may be updated based on one or more UE conditions.

[0024] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the capability signaling includes a first set of one or more UE-side latency parameters associated with performing beam prediction operations within a communication cell, and a second set of UE-side latency parameters associated with performing beam prediction operations across multiple communication cells.

[0025] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the network-side additional conditions identifier corresponds to an associated identifier (associated ID) and the UE performs the second beam prediction operation in accordance with the one or more UE-side latency parameters based on the first active beam prediction operation and the second beam prediction operation both corresponding to the associated ID.

[0026] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the first active beam prediction operation may be associated with a first location and the second beam prediction operation may be associated with a second location.

[0027] In some examples of the method, UEs, and non-transitory computer-readable medium described herein, the network-side additional conditions identifier comprises an indication of: a quantity of prediction targets, a quantity of measurement resources, one or more prediction target indices, one or more measurement resource indices, a prediction target order, a measurement resource order, one or more absolute pointing directions, one or more relative pointing directions, beam shapes, one or more quasi- colocation relationships within a set of prediction target beams, one or more quasi-colocation relationships within a set of measurement resource beams, one or more quasi-colocation relationship between the set of prediction target beams and the set of measurement resource beams, a periodicity of prediction targets, a periodicity of measurement resources, one or more future occasions for performing temporal beam prediction, or any combination thereof.

[0028] Details of one or more implementations of the subject matter described in this disclosure are set forth in the accompanying drawings and the description below. Other features, aspects, and advantages will become apparent from the description, the drawings, and the claims. Note that the relative dimensions of the following figures may not be drawn to scale.BRIEF DESCRIPTION OF THE DRAWINGS

[0029] FIG. 1 shows an example of a wireless communications system that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.

[0030] FIG. 2 shows an example of a wireless communications system that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.

[0031] FIG. 3 shows examples of communications timelines that support reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.

[0032] FIG. 4 shows an example of a process flow that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.

[0033] FIGs. 5 and 6 show block diagrams of devices that support reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.

[0034] FIG. 7 shows a block diagram of a communications manager that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.

[0035] FIG. 8 shows a diagram of a system including a device that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.

[0036] FIG. 9 shows a flowchart illustrating methods that support reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure.DETAILED DESCRIPTION

[0037] In some wireless communications systems, devices may implement machine learning models for beam management procedures. For example, a user equipment (UE) and a network entity may implement beam prediction using machine learning models to determine best beams for communications between the UE and the network entity. The UE may communicate with the network entity via multiple remote radio heads (RRHs) , which may be associated with different locations. For example, the UE may be associated with a first RRH. The network entity may request for the UE to perform a first beam prediction for the first RRH using measurement resources (e.g., beam measurements) associated with the first RRH and using a first machine learning model. In some examples, the UE may move from the first RRH to a second RRH. The network entity may request for the UE to simultaneously perform a second beam prediction for the second RRH using measurement resources associated with the second RRH and using a second machine learning model alongside the ongoing first beam prediction. Performing beam prediction using a machine learning model may include two parts: loading the machine learning model (e.g., model loading) , and making inferences for (e.g., predicting) a set of best beams (e.g., model inference) .

[0038] To perform simultaneous beam prediction using multiple machine learning models, the UE may perform parallel inference or sequential inference of predicted beams using the multiple machine learning models. In parallel inference, the UE may load multiple models to a processor of the UE at once, and may simultaneously perform beam prediction using the multiple models. That is, the UE may perform a first beam  prediction using a first model, and may perform a second beam prediction using a second model before the UE finishes the first beam prediction. In sequential inference, the UE may load one model to the processor of the UE at once, and may perform multiple sequential beam predictions using the multiple models. However, model loading and model inference may incur some latency, especially in scenarios where the UE uses multiple machine learning models during model loading and model inference. For example, there may be some latency at the UE associated with loading the multiple machine learning models. Similarly, there may be some latency at the UE associated with performing each beam prediction. Such latencies for model loading and model inference may vary depending on whether the UE implements parallel inference or sequential inference for performing beam prediction using multiple machine learning models, and may vary further based on real-time conditions at the UE.

[0039] Various aspects of the present disclosure are related to reporting latency capabilities for multiple beam prediction models with identical associated IDs. In some examples, a UE may transmit a capability report to a network entity indicating one or more latency capabilities of the UE. For example, the UE may indicate a first capability associated with loading one or more machine learning models at the UE and may indicate a second capability associated with beam prediction (e.g., inference) using the one or more machine learning models. The first capability may indicate a latency at the UE for loading a machine learning model to a processor of the UE. The second capability may indicate a latency at the UE for performing beam prediction using each of the one or more machine learning models. The UE may indicate the first capability and the second capability to the network entity such that the network entity is able to determine a more efficient communication timeline at the UE. In some cases, the UE may indicate multiple pairs of the first capability and the second capability. The UE may indicate a preferred pair based on real-time changes to UE conditions. The UE may further indicate, via a sub-capability of the first capability, the second capability, or both, whether the UE supports simultaneous inference for a first beam prediction request and a second beam prediction request. In some examples, the UE may provide multiple capability reports for different sets of network-side conditions comprising an associated ID. Additionally, or alternatively, the UE may provide multiple capability  reports for inferences between RRHs within a same serving cell and for inferences between RRHs associated with different serving cells.

[0040] Aspects of the disclosure are initially described in the context of wireless communications systems. Aspects of the disclosure are additionally described with reference to communication timelines and process flows. Aspects of the disclosure are further illustrated by and described with reference to apparatus diagrams, system diagrams, and flowcharts that relate to reporting latency capabilities for multiple beam prediction models with identical associated identifiers.

[0041] FIG. 1 shows an example of a wireless communications system 100 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The wireless communications system 100 may include one or more devices, such as one or more network devices (e.g., network entities 105) , one or more UEs 115, and a core network 130. In some examples, the wireless communications system 100 may be a Long Term Evolution (LTE) network, an LTE-Advanced (LTE-A) network, an LTE-A Pro network, a New Radio (NR) network, or a network operating in accordance with other systems and radio technologies, including future systems and radio technologies not explicitly mentioned herein.

[0042] The network entities 105 may be dispersed throughout a geographic area to form the wireless communications system 100 and may include devices in different forms or having different capabilities. In various examples, a network entity 105 may be referred to as a network element, a mobility element, a radio access network (RAN) node, or network equipment, among other nomenclature. In some examples, network entities 105 and UEs 115 may wirelessly communicate via communication link (s) 125 (e.g., a radio frequency (RF) access link) . For example, a network entity 105 may support a coverage area 110 (e.g., a geographic coverage area) over which the UEs 115 and the network entity 105 may establish the communication link (s) 125. The coverage area 110 may be an example of a geographic area over which a network entity 105 and a UE 115 may support the communication of signals according to one or more radio access technologies (RATs) .

[0043] The UEs 115 may be dispersed throughout a coverage area 110 of the wireless communications system 100, and each UE 115 may be stationary, or mobile, or both at different times. The UEs 115 may be devices in different forms or having different capabilities. Some example UEs 115 are illustrated in FIG. 1. The UEs 115 described herein may be capable of supporting communications with various types of devices in the wireless communications system 100 (e.g., other wireless communication devices, including UEs 115 or network entities 105) , as shown in FIG. 1.

[0044] As described herein, a node of the wireless communications system 100, which may be referred to as a network node, or a wireless node, may be a network entity 105 (e.g., any network entity described herein) , a UE 115 (e.g., any UE described herein) , a network controller, an apparatus, a device, a computing system, one or more components, or another suitable processing entity configured to perform any of the techniques described herein. For example, a node may be a UE 115. As another example, a node may be a network entity 105. As another example, a first node may be configured to communicate with a second node or a third node. In one aspect of this example, the first node may be a UE 115, the second node may be a network entity 105, and the third node may be a UE 115. In another aspect of this example, the first node may be a UE 115, the second node may be a network entity 105, and the third node may be a network entity 105. In yet other aspects of this example, the first, second, and third nodes may be different relative to these examples. Similarly, reference to a UE 115, network entity 105, apparatus, device, computing system, or the like may include disclosure of the UE 115, network entity 105, apparatus, device, computing system, or the like being a node. For example, disclosure that a UE 115 is configured to receive information from a network entity 105 also discloses that a first node is configured to receive information from a second node.

[0045] In some examples, network entities 105 may communicate with a core network 130, or with one another, or both. For example, network entities 105 may communicate with the core network 130 via backhaul communication link (s) 120 (e.g., in accordance with an S1, N2, N3, or other interface protocol) . In some examples, network entities 105 may communicate with one another via backhaul communication link (s) 120 (e.g., in accordance with an X2, Xn, or other interface protocol) either directly (e.g., directly between network entities 105) or indirectly (e.g., via the core  network 130) . In some examples, network entities 105 may communicate with one another via a midhaul communication link 162 (e.g., in accordance with a midhaul interface protocol) or a fronthaul communication link 168 (e.g., in accordance with a fronthaul interface protocol) , or any combination thereof. The backhaul communication link (s) 120, midhaul communication links 162, or fronthaul communication links 168 may be or include one or more wired links (e.g., an electrical link, an optical fiber link) or one or more wireless links (e.g., a radio link, a wireless optical link) , among other examples or various combinations thereof. A UE 115 may communicate with the core network 130 via a communication link 155.

[0046] One or more of the network entities 105 or network equipment described herein may include or may be referred to as a base station 140 (e.g., a base transceiver station, a radio base station, an NR base station, an access point, a radio transceiver, a NodeB, an eNodeB (eNB) , a next-generation NodeB or giga-NodeB (either of which may be referred to as a gNB) , a 5G NB, a next-generation eNB (ng-eNB) , a Home NodeB, a Home eNodeB, or other suitable terminology) . In some examples, a network entity 105 (e.g., a base station 140) may be implemented in an aggregated (e.g., monolithic, standalone) base station architecture, which may be configured to utilize a protocol stack that is physically or logically integrated within one network entity (e.g., a network entity 105 or a single RAN node, such as a base station 140) .

[0047] In some examples, a network entity 105 may be implemented in a disaggregated architecture (e.g., a disaggregated base station architecture, a disaggregated RAN architecture) , which may be configured to utilize a protocol stack that is physically or logically distributed among multiple network entities (e.g., network entities 105) , such as an integrated access and backhaul (IAB) network, an open RAN (O-RAN) (e.g., a network configuration sponsored by the O-RAN Alliance) , or a virtualized RAN (vRAN) (e.g., a cloud RAN (C-RAN) ) . For example, a network entity 105 may include one or more of a central unit (CU) , such as a CU 160, a distributed unit (DU) , such as a DU 165, a radio unit (RU) , such as an RU 170, a RAN Intelligent Controller (RIC) , such as an RIC 175 (e.g., a Near-Real Time RIC (Near-RT RIC) , a Non-Real Time RIC (Non-RT RIC) ) , a Service Management and Orchestration (SMO) system, such as an SMO system 180, or any combination thereof. An RU 170 may also be referred to as a radio head, a smart radio head, a remote radio head (RRH) , a remote  radio unit (RRU) , or a transmission reception point (TRP) . One or more components of the network entities 105 in a disaggregated RAN architecture may be co-located, or one or more components of the network entities 105 may be located in distributed locations (e.g., separate physical locations) . In some examples, one or more of the network entities 105 of a disaggregated RAN architecture may be implemented as virtual units (e.g., a virtual CU (VCU) , a virtual DU (VDU) , a virtual RU (VRU) ) .

[0048] The split of functionality between a CU 160, a DU 165, and an RU 170 is flexible and may support different functionalities depending on which functions (e.g., network layer functions, protocol layer functions, baseband functions, RF functions, or any combinations thereof) are performed at a CU 160, a DU 165, or an RU 170. For example, a functional split of a protocol stack may be employed between a CU 160 and a DU 165 such that the CU 160 may support one or more layers of the protocol stack and the DU 165 may support one or more different layers of the protocol stack. In some examples, the CU 160 may host upper protocol layer (e.g., layer 3 (L3) , layer 2 (L2) ) functionality and signaling (e.g., Radio Resource Control (RRC) , service data adaptation protocol (SDAP) , Packet Data Convergence Protocol (PDCP) ) . The CU 160 (e.g., one or more CUs) may be connected to a DU 165 (e.g., one or more DUs) or an RU 170 (e.g., one or more RUs) , or some combination thereof, and the DUs 165, RUs 170, or both may host lower protocol layers, such as layer 1 (L1) (e.g., physical (PHY) layer) or L2 (e.g., radio link control (RLC) layer, medium access control (MAC) layer) functionality and signaling, and may each be at least partially controlled by the CU 160. Additionally, or alternatively, a functional split of the protocol stack may be employed between a DU 165 and an RU 170 such that the DU 165 may support one or more layers of the protocol stack and the RU 170 may support one or more different layers of the protocol stack. The DU 165 may support one or multiple different cells (e.g., via one or multiple different RUs, such as an RU 170) . In some cases, a functional split between a CU 160 and a DU 165 or between a DU 165 and an RU 170 may be within a protocol layer (e.g., some functions for a protocol layer may be performed by one of a CU 160, a DU 165, or an RU 170, while other functions of the protocol layer are performed by a different one of the CU 160, the DU 165, or the RU 170) . A CU 160 may be functionally split further into CU control plane (CU-CP) and CU user plane (CU-UP) functions. A CU 160 may be connected to a DU 165 via a midhaul communication link  162 (e.g., F1, F1-c, F1-u) , and a DU 165 may be connected to an RU 170 via a fronthaul communication link 168 (e.g., open fronthaul (FH) interface) . In some examples, a midhaul communication link 162 or a fronthaul communication link 168 may be implemented in accordance with an interface (e.g., a channel) between layers of a protocol stack supported by respective network entities (e.g., one or more of the network entities 105) that are in communication via such communication links.

[0049] In some wireless communications systems (e.g., the wireless communications system 100) , infrastructure and spectral resources for radio access may support wireless backhaul link capabilities to supplement wired backhaul connections, providing an IAB network architecture (e.g., to a core network 130) . In some cases, in an IAB network, one or more of the network entities 105 (e.g., network entities 105 or IAB node (s) 104) may be partially controlled by each other. The IAB node (s) 104 may be referred to as a donor entity or an IAB donor. A DU 165 or an RU 170 may be partially controlled by a CU 160 associated with a network entity 105 or base station 140 (such as a donor network entity or a donor base station) . The one or more donor entities (e.g., IAB donors) may be in communication with one or more additional devices (e.g., IAB node (s) 104) via supported access and backhaul links (e.g., backhaul communication link (s) 120) . IAB node (s) 104 may include an IAB mobile termination (IAB-MT) controlled (e.g., scheduled) by one or more DUs (e.g., DUs 165) of a coupled IAB donor. An IAB-MT may be equipped with an independent set of antennas for relay of communications with UEs 115 or may share the same antennas (e.g., of an RU 170) of IAB node (s) 104 used for access via the DU 165 of the IAB node (s) 104 (e.g., referred to as virtual IAB-MT (vIAB-MT) ) . In some examples, the IAB node (s) 104 may include one or more DUs (e.g., DUs 165) that support communication links with additional entities (e.g., IAB node (s) 104, UEs 115) within the relay chain or configuration of the access network (e.g., downstream) . In such cases, one or more components of the disaggregated RAN architecture (e.g., the IAB node (s) 104 or components of the IAB node (s) 104) may be configured to operate according to the techniques described herein.

[0050] In the case of the techniques described herein applied in the context of a disaggregated RAN architecture, one or more components of the disaggregated RAN architecture may be configured to support reporting latency capabilities for multiple  beam prediction models with identical associated identifiers as described herein. For example, some operations described as being performed by a UE 115 or a network entity 105 (e.g., a base station 140) may additionally, or alternatively, be performed by one or more components of the disaggregated RAN architecture (e.g., components such as an IAB node, a DU 165, a CU 160, an RU 170, an RIC 175, an SMO system 180) .

[0051] A UE 115 may include or may be referred to as a mobile device, a wireless device, a remote device, a handheld device, or a subscriber device, or some other suitable terminology, where the “device” may also be referred to as a unit, a station, a terminal, or a client, among other examples. A UE 115 may also include or may be referred to as a personal electronic device such as a cellular phone, a personal digital assistant (PDA) , a multimedia / entertainment device (e.g., a radio, a MP3 player, or a video device) , a camera, a gaming device, a navigation / positioning device (e.g., GNSS (global navigation satellite system) devices based on, for example, GPS (global positioning system) , Beidou, GLONASS, or Galileo, or a terrestrial-based device) , a tablet computer, a laptop computer, a netbook, a smartbook, a personal computer, a smart device, a wearable device (e.g., a smart watch, smart clothing, smart glasses, virtual reality goggles, a smart wristband, smart jewelry (e.g., a smart ring, a smart bracelet) ) , a drone, a robot / robotic device, a vehicle, a vehicular device, a meter (e.g., parking meter, electric meter, gas meter, water meter) , a monitor, a gas pump, an appliance (e.g., kitchen appliance, washing machine, dryer) , a location tag, a medical / healthcare device, an implant, a sensor / actuator, a display, or any other suitable device configured to communicate via a wireless or wired medium. In some examples, a UE 115 may include or be referred to as a wireless local loop (WLL) station, an Internet of Things (IoT) device, an Internet of Everything (IoE) device, or a machine type communications (MTC) device, among other examples, which may be implemented in various objects such as appliances, vehicles, or meters, among other examples.

[0052] The UEs 115 described herein may be able to communicate with various types of devices, such as UEs 115 that may sometimes operate as relays, as well as the network entities 105 and the network equipment including macro eNBs or gNBs, small cell eNBs or gNBs, or relay base stations, among other examples, as shown in FIG. 1.

[0053] The UEs 115 and the network entities 105 may wirelessly communicate with one another via the communication link (s) 125 (e.g., one or more access links) using  resources associated with one or more carriers. The term “carrier” may refer to a set of RF spectrum resources having a defined PHY layer structure for supporting the communication link (s) 125. For example, a carrier used for the communication link (s) 125 may include a portion of an RF spectrum band (e.g., a bandwidth part (BWP) ) that is operated according to one or more PHY layer channels for a given RAT (e.g., LTE, LTE-A, LTE-A Pro, NR) . Each PHY layer channel may carry acquisition signaling (e.g., synchronization signals, system information) , control signaling that coordinates operation for the carrier, user data, or other signaling. The wireless communications system 100 may support communication with a UE 115 using carrier aggregation or multi-carrier operation. A UE 115 may be configured with multiple downlink component carriers and one or more uplink component carriers according to a carrier aggregation configuration. Carrier aggregation may be used with both frequency division duplexing (FDD) and time division duplexing (TDD) component carriers. Communication between a network entity 105 and other devices may refer to communication between the devices and any portion (e.g., entity, sub-entity) of a network entity 105. For example, the terms “transmitting, ” “receiving, ” or “communicating, ” when referring to a network entity 105, may refer to any portion of a network entity 105 (e.g., a base station 140, a CU 160, a DU 165, a RU 170) of a RAN communicating with another device (e.g., directly or via one or more other network entities, such as one or more of the network entities 105) .

[0054] Signal waveforms transmitted via a carrier may be made up of multiple subcarriers (e.g., using multi-carrier modulation (MCM) techniques such as orthogonal frequency division multiplexing (OFDM) or discrete Fourier transform spread OFDM (DFT-S-OFDM) ) . In a system employing MCM techniques, a resource element may refer to resources of one symbol period (e.g., a duration of one modulation symbol) and one subcarrier, in which case the symbol period and subcarrier spacing may be inversely related. The quantity of bits carried by each resource element may depend on the modulation scheme (e.g., the order of the modulation scheme, the coding rate of the modulation scheme, or both) , such that a relatively higher quantity of resource elements (e.g., in a transmission duration) and a relatively higher order of a modulation scheme may correspond to a relatively higher rate of communication. A wireless communications resource may refer to a combination of an RF spectrum resource, a  time resource, and a spatial resource (e.g., a spatial layer, a beam) , and the use of multiple spatial resources may increase the data rate or data integrity for communications with a UE 115.

[0055] The time intervals for the network entities 105 or the UEs 115 may be expressed in multiples of a basic time unit which may, for example, refer to a sampling period of Ts=1 /  (Δfmax·Nf) seconds, for which Δfmax may represent a supported subcarrier spacing, and Nf may represent a supported discrete Fourier transform (DFT) size. Time intervals of a communications resource may be organized according to radio frames each having a specified duration (e.g., 10 milliseconds (ms) ) . Each radio frame may be identified by a system frame number (SFN) (e.g., ranging from 0 to 1023) .

[0056] Each frame may include multiple consecutively-numbered subframes or slots, and each subframe or slot may have the same duration. In some examples, a frame may be divided (e.g., in the time domain) into subframes, and each subframe may be further divided into a quantity of slots. Alternatively, each frame may include a variable quantity of slots, and the quantity of slots may depend on subcarrier spacing. Each slot may include a quantity of symbol periods (e.g., depending on the length of the cyclic prefix prepended to each symbol period) . In some wireless communications systems, such as the wireless communications system 100, a slot may further be divided into multiple mini-slots associated with one or more symbols. Excluding the cyclic prefix, each symbol period may be associated with one or more (e.g., Nf) sampling periods. The duration of a symbol period may depend on the subcarrier spacing or frequency band of operation.

[0057] A subframe, a slot, a mini-slot, or a symbol may be the smallest scheduling unit (e.g., in the time domain) of the wireless communications system 100 and may be referred to as a transmission time interval (TTI) . In some examples, the TTI duration (e.g., a quantity of symbol periods in a TTI) may be variable. Additionally, or alternatively, the smallest scheduling unit of the wireless communications system 100 may be dynamically selected (e.g., in bursts of shortened TTIs (sTTIs) ) .

[0058] Physical channels may be multiplexed for communication using a carrier according to various techniques. A physical control channel and a physical data channel may be multiplexed for signaling via a downlink carrier, for example, using one or more  of time division multiplexing (TDM) techniques, frequency division multiplexing (FDM) techniques, or hybrid TDM-FDM techniques. A control region (e.g., a control resource set (CORESET) ) for a physical control channel may be defined by a set of symbol periods and may extend across the system bandwidth or a subset of the system bandwidth of the carrier. One or more control regions (e.g., CORESETs) may be configured for a set of the UEs 115. For example, one or more of the UEs 115 may monitor or search control regions for control information according to one or more search space sets, and each search space set may include one or multiple control channel candidates in one or more aggregation levels arranged in a cascaded manner. An aggregation level for a control channel candidate may refer to an amount of control channel resources (e.g., control channel elements (CCEs) ) associated with encoded information for a control information format having a given payload size. Search space sets may include common search space sets configured for sending control information to UEs 115 (e.g., one or more UEs) or may include UE-specific search space sets for sending control information to a UE 115 (e.g., a specific UE) .

[0059] A network entity 105 may provide communication coverage via one or more cells, for example a macro cell, a small cell, a hot spot, or other types of cells, or any combination thereof. The term “cell” may refer to a logical communication entity used for communication with a network entity 105 (e.g., using a carrier) and may be associated with an identifier for distinguishing neighboring cells (e.g., a physical cell identifier (PCID) , a virtual cell identifier (VCID) ) . In some examples, a cell also may refer to a coverage area 110 or a portion of a coverage area 110 (e.g., a sector) over which the logical communication entity operates. Such cells may range from smaller areas (e.g., a structure, a subset of structure) to larger areas depending on various factors such as the capabilities of the network entity 105. For example, a cell may be or include a building, a subset of a building, or exterior spaces between or overlapping with coverage areas 110, among other examples.

[0060] A macro cell generally covers a relatively large geographic area (e.g., several kilometers in radius) and may allow unrestricted access by the UEs 115 with service subscriptions with the network provider supporting the macro cell. A small cell may be associated with a network entity 105 operating with lower power (e.g., a base station 140 operating with lower power) relative to a macro cell, and a small cell may operate  using the same or different (e.g., licensed, unlicensed) frequency bands as macro cells. Small cells may provide unrestricted access to the UEs 115 with service subscriptions with the network provider or may provide restricted access to the UEs 115 having an association with the small cell (e.g., the UEs 115 in a closed subscriber group (CSG) , the UEs 115 associated with users in a home or office) . A network entity 105 may support one or more cells and may also support communications via the one or more cells using one or multiple component carriers.

[0061] In some examples, a carrier may support multiple cells, and different cells may be configured according to different protocol types (e.g., MTC, narrowband IoT (NB-IoT) , enhanced mobile broadband (eMBB) ) that may provide access for different types of devices.

[0062] In some examples, a network entity 105 (e.g., a base station 140, an RU 170) may be movable and therefore provide communication coverage for a moving coverage area, such as the coverage area 110. In some examples, coverage areas 110 (e.g., different coverage areas) associated with different technologies may overlap, but the coverage areas 110 (e.g., different coverage areas) may be supported by the same network entity (e.g., a network entity 105) . In some other examples, overlapping coverage areas, such as a coverage area 110, associated with different technologies may be supported by different network entities (e.g., the network entities 105) . The wireless communications system 100 may include, for example, a heterogeneous network in which different types of the network entities 105 support communications for coverage areas 110 (e.g., different coverage areas) using the same or different RATs.

[0063] The wireless communications system 100 may be configured to support ultra-reliable communications or low-latency communications, or various combinations thereof. For example, the wireless communications system 100 may be configured to support ultra-reliable low-latency communications (URLLC) . The UEs 115 may be designed to support ultra-reliable, low-latency, or critical functions. Ultra-reliable communications may include private communication or group communication and may be supported by one or more services such as push-to-talk, video, or data. Support for ultra-reliable, low-latency functions may include prioritization of services, and such services may be used for public safety or general commercial applications. The terms  ultra-reliable, low-latency, and ultra-reliable low-latency may be used interchangeably herein.

[0064] In some examples, a UE 115 may be configured to support communicating directly with other UEs (e.g., one or more of the UEs 115) via a device-to-device (D2D) communication link, such as a D2D communication link 135 (e.g., in accordance with a peer-to-peer (P2P) , D2D, or sidelink protocol) . In some examples, one or more UEs 115 of a group that are performing D2D communications may be within the coverage area 110 of a network entity 105 (e.g., a base station 140, an RU 170) , which may support aspects of such D2D communications being configured by (e.g., scheduled by) the network entity 105. In some examples, one or more UEs 115 of such a group may be outside the coverage area 110 of a network entity 105 or may be otherwise unable to or not configured to receive transmissions from a network entity 105. In some examples, groups of the UEs 115 communicating via D2D communications may support a one-to-many (1: M) system in which each UE 115 transmits to one or more of the UEs 115 in the group. In some examples, a network entity 105 may facilitate the scheduling of resources for D2D communications. In some other examples, D2D communications may be carried out between the UEs 115 without an involvement of a network entity 105.

[0065] The core network 130 may provide user authentication, access authorization, tracking, Internet Protocol (IP) connectivity, and other access, routing, or mobility functions. The core network 130 may be an evolved packet core (EPC) or 5G core (5GC) , which may include at least one control plane entity that manages access and mobility (e.g., a mobility management entity (MME) , an access and mobility management function (AMF) ) and at least one user plane entity that routes packets or interconnects to external networks (e.g., a serving gateway (S-GW) , a Packet Data Network (PDN) gateway (P-GW) , or a user plane function (UPF) ) . The control plane entity may manage non-access stratum (NAS) functions such as mobility, authentication, and bearer management for the UEs 115 served by the network entities 105 (e.g., base stations 140) associated with the core network 130. User IP packets may be transferred through the user plane entity, which may provide IP address allocation as well as other functions. The user plane entity may be connected to IP services 150 for one or more network operators. The IP services 150 may include access to the Internet,  Intranet (s) , an IP Multimedia Subsystem (IMS) , or a Packet-Switched Streaming Service.

[0066] The wireless communications system 100 may operate using one or more frequency bands, which may be in the range of 300 megahertz (MHz) to 300 gigahertz (GHz) . Generally, the region from 300 MHz to 3 GHz is known as the ultra-high frequency (UHF) region or decimeter band because the wavelengths range from approximately one decimeter to one meter in length. UHF waves may be blocked or redirected by buildings and environmental features, which may be referred to as clusters, but the waves may penetrate structures sufficiently for a macro cell to provide service to the UEs 115 located indoors. Communications using UHF waves may be associated with smaller antennas and shorter ranges (e.g., less than one hundred kilometers) compared to communications using the smaller frequencies and longer waves of the high frequency (HF) or very high frequency (VHF) portion of the spectrum below 300 MHz.

[0067] The wireless communications system 100 may utilize both licensed and unlicensed RF spectrum bands. For example, the wireless communications system 100 may employ License Assisted Access (LAA) , LTE-Unlicensed (LTE-U) RAT, or NR technology using an unlicensed band such as the 5 GHz industrial, scientific, and medical (ISM) band. While operating using unlicensed RF spectrum bands, devices such as the network entities 105 and the UEs 115 may employ carrier sensing for collision detection and avoidance. In some examples, operations using unlicensed bands may be based on a carrier aggregation configuration in conjunction with component carriers operating using a licensed band (e.g., LAA) . Operations using unlicensed spectrum may include downlink transmissions, uplink transmissions, P2P transmissions, or D2D transmissions, among other examples.

[0068] A network entity 105 (e.g., a base station 140, an RU 170) or a UE 115 may be equipped with multiple antennas, which may be used to employ techniques such as transmit diversity, receive diversity, multiple-input multiple-output (MIMO) communications, or beamforming. The antennas of a network entity 105 or a UE 115 may be located within one or more antenna arrays or antenna panels, which may support MIMO operations or transmit or receive beamforming. For example, one or more base station antennas or antenna arrays may be co-located at an antenna assembly, such as an  antenna tower. In some examples, antennas or antenna arrays associated with a network entity 105 may be located at diverse geographic locations. A network entity 105 may include an antenna array with a set of rows and columns of antenna ports that the network entity 105 may use to support beamforming of communications with a UE 115. Likewise, a UE 115 may include one or more antenna arrays that may support various MIMO or beamforming operations. Additionally, or alternatively, an antenna panel may support RF beamforming for a signal transmitted via an antenna port.

[0069] The network entities 105 or the UEs 115 may use MIMO communications to exploit multipath signal propagation and increase spectral efficiency by transmitting or receiving multiple signals via different spatial layers. Such techniques may be referred to as spatial multiplexing. The multiple signals may, for example, be transmitted by the transmitting device via different antennas or different combinations of antennas. Likewise, the multiple signals may be received by the receiving device via different antennas or different combinations of antennas. Each of the multiple signals may be referred to as a separate spatial stream and may carry information associated with the same data stream (e.g., the same codeword) or different data streams (e.g., different codewords) . Different spatial layers may be associated with different antenna ports used for channel measurement and reporting. MIMO techniques include single-user MIMO (SU-MIMO) , for which multiple spatial layers are transmitted to the same receiving device, and multiple-user MIMO (MU-MIMO) , for which multiple spatial layers are transmitted to multiple devices.

[0070] Beamforming, which may also be referred to as spatial filtering, directional transmission, or directional reception, is a signal processing technique that may be used at a transmitting device or a receiving device (e.g., a network entity 105, a UE 115) to shape or steer an antenna beam (e.g., a transmit beam, a receive beam) along a spatial path between the transmitting device and the receiving device. Beamforming may be achieved by combining the signals communicated via antenna elements of an antenna array such that some signals propagating along particular orientations with respect to an antenna array experience constructive interference while others experience destructive interference. The adjustment of signals communicated via the antenna elements may include a transmitting device or a receiving device applying amplitude offsets, phase offsets, or both to signals carried via the antenna elements associated with the device.  The adjustments associated with each of the antenna elements may be defined by a beamforming weight set associated with a particular orientation (e.g., with respect to the antenna array of the transmitting device or receiving device, or with respect to some other orientation) .

[0071] A network entity 105 or a UE 115 may use beam sweeping techniques as part of beamforming operations. For example, a network entity 105 (e.g., a base station 140, an RU 170) may use multiple antennas or antenna arrays (e.g., antenna panels) to conduct beamforming operations for directional communications with a UE 115. Some signals (e.g., synchronization signals, reference signals, beam selection signals, or other control signals) may be transmitted by a network entity 105 multiple times along different directions. For example, the network entity 105 may transmit a signal according to different beamforming weight sets associated with different directions of transmission. Transmissions along different beam directions may be used to identify (e.g., by a transmitting device, such as a network entity 105, or by a receiving device, such as a UE 115) a beam direction for later transmission or reception by the network entity 105.

[0072] Some signals, such as data signals associated with a particular receiving device, may be transmitted by a transmitting device (e.g., a network entity 105 or a UE 115) along a single beam direction (e.g., a direction associated with the receiving device, such as another network entity 105 or UE 115) . In some examples, the beam direction associated with transmissions along a single beam direction may be determined based on a signal that was transmitted along one or more beam directions. For example, a UE 115 may receive one or more of the signals transmitted by the network entity 105 along different directions and may report to the network entity 105 an indication of the signal that the UE 115 received with a highest signal quality or an otherwise acceptable signal quality.

[0073] In some examples, transmissions by a device (e.g., by a network entity 105 or a UE 115) may be performed using multiple beam directions, and the device may use a combination of digital precoding or beamforming to generate a combined beam for transmission (e.g., from a network entity 105 to a UE 115) . The UE 115 may report feedback that indicates precoding weights for one or more beam directions, and the feedback may correspond to a configured set of beams across a system bandwidth or  one or more sub-bands. The network entity 105 may transmit a reference signal (e.g., a cell-specific reference signal (CRS) , a channel state information reference signal (CSI-RS) ) , which may be precoded or unprecoded. The UE 115 may provide feedback for beam selection, which may be a precoding matrix indicator (PMI) or codebook-based feedback (e.g., a multi-panel type codebook, a linear combination type codebook, a port selection type codebook) . Although these techniques are described with reference to signals transmitted along one or more directions by a network entity 105 (e.g., a base station 140, an RU 170) , a UE 115 may employ similar techniques for transmitting signals multiple times along different directions (e.g., for identifying a beam direction for subsequent transmission or reception by the UE 115) or for transmitting a signal along a single direction (e.g., for transmitting data to a receiving device) .

[0074] A receiving device (e.g., a UE 115) may perform reception operations in accordance with multiple receive configurations (e.g., directional listening) when receiving various signals from a transmitting device (e.g., a network entity 105) , such as synchronization signals, reference signals, beam selection signals, or other control signals. For example, a receiving device may perform reception in accordance with multiple receive directions by receiving via different antenna subarrays, by processing received signals according to different antenna subarrays, by receiving according to different receive beamforming weight sets (e.g., different directional listening weight sets) applied to signals received at multiple antenna elements of an antenna array, or by processing received signals according to different receive beamforming weight sets applied to signals received at multiple antenna elements of an antenna array, any of which may be referred to as “listening” according to different receive configurations or receive directions. In some examples, a receiving device may use a single receive configuration to receive along a single beam direction (e.g., when receiving a data signal) . The single receive configuration may be aligned along a beam direction determined based on listening according to different receive configuration directions (e.g., a beam direction determined to have a highest signal strength, highest signal-to-noise ratio (SNR) , or otherwise acceptable signal quality based on listening according to multiple beam directions) .

[0075] The wireless communications system 100 may be a packet-based network that operates according to a layered protocol stack. In the user plane, communications at  the bearer or PDCP layer may be IP-based. An RLC layer may perform packet segmentation and reassembly to communicate via logical channels. A MAC layer may perform priority handling and multiplexing of logical channels into transport channels. The MAC layer also may implement error detection techniques, error correction techniques, or both to support retransmissions to improve link efficiency. In the control plane, an RRC layer may provide establishment, configuration, and maintenance of an RRC connection between a UE 115 and a network entity 105 or a core network 130 supporting radio bearers for user plane data. A PHY layer may map transport channels to physical channels.

[0076] The UEs 115 and the network entities 105 may support retransmissions of data to increase the likelihood that data is received successfully. Hybrid automatic repeat request (HARQ) feedback is one technique for increasing the likelihood that data is received correctly via a communication link (e.g., the communication link (s) 125, a D2D communication link 135) . HARQ may include a combination of error detection (e.g., using a cyclic redundancy check (CRC) ) , forward error correction (FEC) , and retransmission (e.g., automatic repeat request (ARQ) ) . HARQ may improve throughput at the MAC layer in relatively poor radio conditions (e.g., low signal-to-noise conditions) . In some examples, a device may support same-slot HARQ feedback, in which case the device may provide HARQ feedback in a specific slot for data received via a previous symbol in the slot. In some other examples, the device may provide HARQ feedback in a subsequent slot, or according to some other time interval.

[0077] In some examples, a UE 115 may transmit a capability report to a network entity indicating one or more latency capabilities of the UE115. For example, the UE 115 may indicate a first capability associated with loading one or more machine learning models at the UE 115 and may indicate a second capability associated with beam prediction (e.g., inference) using the one or more machine learning models. The first capability may indicate a latency at the UE 115 for loading a machine learning model to a processor of the UE 115. The second capability may indicate a latency at the UE 115 for performing beam prediction using each of the one or more machine learning models.

[0078] The UE 115 may indicate the first capability and the second capability to the network entity such that the network entity is able to determine a more efficient  communication timeline at the UE 115. In some cases, the UE 115 may indicate multiple pairs of the first capability and the second capability. The UE may indicate a preferred pair based on real-time changes to UE conditions. The UE 115 may further indicate, via a sub-capability of the first capability, the second capability, or both, whether the UE 115 supports simultaneous inference for a first beam prediction request and a second beam prediction request. In some examples, the UE 115 may provide multiple capability reports for different sets of network-side conditions comprising an associated ID. In some other examples, the UE 115 may provide multiple capability reports for different quantities of machine learning models that the UE 115 can operate simultaneously. Additionally, or alternatively, the UE 115 may provide multiple capability reports for inferences between RRHs within a same serving cell and for inferences between RRHs associated with different serving cells.

[0079] FIG. 2 shows an example of a wireless communications system 200 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. In some examples, the wireless communications system 200 may include a UE 115-a in communication with a network entity 105-a, which may be examples of corresponding devices described herein, including with reference to FIG. 1. The UE 115-a and the network entity may communicate via communication link 205, which may be an example of an uplink, a downlink, or both. That is, the UE 115-a and the network entity 105-a may communicate via uplink signaling, downlink signaling, or both. In some examples, the network entity 105-a may be associated with a communication cell, such as a serving cell. In some examples, the network entity 105-a may include one or more remote radio heads (RRHs) 210. In the example of FIG. 2, the network entity 105-a may include a first RRH 210-a and a second RRH 210-b. Each RRH 210 may be associated with a different location. In some cases, each RRH 210 may be associated with a location (e.g., in space) within a serving cell. In some other cases, each RRH 210 may be associated with a different serving cell.

[0080] The UE 115-a and the network entity 105-a may communicate signaling via communication resources, including one or more communication beams. To implement such beams, the UE 115-a and the network entity 105-a may implement beam management procedures. In some examples, such beam management procedures may  include beam prediction operations. Beam prediction operations may include predicting channel characteristics (e.g., for a wireless channel associated with communications between the UE 115-a and the network entity 105-a) . In some examples, the beam prediction operations may be performed for a set of prediction targets (e.g., a set of predicted beams) . For example, the UE 115-a, the network entity 105-a, or both, could perform beam prediction to determine best beams for future communications between the UE 115-a and the network entity 105-a. In some examples, the UE 115-a, the network entity 105-a, or both, may implement spatial-domain downlink transmission beam prediction for a first set of beams (e.g., Set A beams) based on measurement results of a second set of beams (e.g., Set B beams) . Similarly, the UE 115-a, the network entity 105-a, or both, may implement temporal downlink transmission beam prediction for the first set of beams based on historical (e.g., previous) measurement results of the second set of beams.

[0081] In some examples, the UE 115-a, the network entity 105-a, or both, may implement or use a machine learning model to perform beam prediction. For example, in FIG. 2, the UE 115-a may implement a machine learning model for performing beam prediction. The machine learning model may receive measurement results (e.g., beam measurement results, Set B beams) as inputs and may output a predicted set of beams (e.g., prediction targets, Set A beams) . For example, the machine learning model may generate (e.g., infer) a set of best beams for communications between the UE 115-a and the network entity 105-a while considering one or more additional conditions (e.g., environmental conditions, device conditions) associated with the network entity 105-a. The machine learning model may be trained based on these network-side conditions.

[0082] In some examples, the network-side conditions may include a quantity of prediction targets (e.g., Set A beams) , a prediction target order, one or more prediction target indices, a quantity of measurement resources (e.g., Set B beams) , a measurement resource order, one or more measurement resource indices, absolute and relative pointing directions associated with a transmitting antenna panel, beam shapes (e.g., angular-specific beamforming gains) , one or more quasi-colocation (QCL) relationships within a set of prediction target beams, one or more quasi-colocation (QCL) relationships within a set of measurement resource beams, one or more quasi-colocation (QCL) relationships between the set of prediction target beams and the set of  measurement resource beams, a periodicity of prediction targets, a periodicity of measurement resources, one or more future occasions for performing temporal beam prediction, or any combination thereof. In some examples, the network-side conditions may be associated with (e.g., influence) assumptions made by the UE 115-a for machine learning model life cycle management, including data collection, training, deployment, inference, performance monitoring, activation, deactivation, switching, or any combination thereof.

[0083] To ensure consistency of the network-side conditions between model training and model inference (e.g., beam prediction) , the network-side conditions may correspond to an identifier (e.g., a network-side additional conditions identifier, an associated identifier (ID) ) . The UE 115-a may interpret the associated ID as an identifier for a dataset, a configuration, a codebook, a functionality, a model, or any other scenario, which identifies the network-side conditions. Accordingly, if the UE 115-a identifies a same associated ID for training of a machine learning model and for inference (e.g., beam prediction) using the same machine learning model, the UE 115-a may assume that the network-side conditions are the same for both model training and model inference using the machine learning model.

[0084] In some examples, a given machine learning model may be inferenced multiple times for different RRHs 210. The machine learning model may be trained for (e.g., using) an associated ID. In such examples, it may be beneficial to maintain consistency of a transmission spatial filter (e.g., consistency of a transmission power, of pointing directions, of beamwidths, or any combination thereof) across both training and inference of the machine learning model. To do this, the UE 115-a may maintain spatial filter consistency at each RRH 210. In some examples where the first RRH 210-a and the second RRH 210-b are associated with different serving cells, the UE 115-a may identify whether the first RRH 210-a and the second RRH 210-b are using a same antenna panel. Additionally, or alternatively, the UE 115-a may identify whether first measurement resources and prediction targets associated with the first RRH 210-a are associated with a same transmission spatial filter as second measurement resources and prediction targets associated with the second RRH 210-b and accordingly, whether the whether first measurement resources and prediction targets and the second measurement resources and prediction targets are associated with a same associated ID.

[0085] In some examples, the UE 115-a may move from the first RRH 210-a to the second RRH 210-b (e.g., within a serving cell, across serving cells) . The network entity 105-a may request for the UE 115-a to perform beam prediction for the first RRH 210-a and the second RRH 210-b simultaneously to identify more appropriate beams to be used for communications. In such cases, the UE 115-a may inference (e.g., use) a same machine learning model associated with a given associated ID multiple times. The UE 115-a may implement parallel inference or sequential inference of the machine learning model.

[0086] For parallel inference, the UE 115-a may load multiple copies of the machine learning model (e.g., in a processor of the UE 115-a) and may perform simultaneous beam prediction using the multiple copies of the machine learning model. For sequential inference, the UE 115-a may load a single copy of the machine learning model. The UE 115-a may sequentially perform inference requests associated with the RRHs 210 (e.g., the first RRH 210-a and the second RRH 210-b) . Parallel inference may be associated with reduced model inference latency, increased model loading latency, stronger parallel computation capability, and an increased power consumption (e.g., increased power requirement) relative to sequential inference. In some examples, the UE 115-a may implement sequential inference when parallel computation capability, power consumption, or both, are restricted. However, sequential inference may be associated with increased model inference latency relative to parallel inference. Additionally or alternatively, in some cases the UE 115-a may load a single copy of the machine learning model when performing parallel inference. In such cases, the UE 115-a may support parallel inference where the UE 115-a stores inter-layer outputs in additional memory. Such techniques for parallel inference may support model loading times similar to those associated with sequential inference if supported by the UE 115-a.

[0087] Performing beam prediction using multiple machine learning models may occur over multiple steps, outlined herein. In a first step, the network entity 105-a may determine an initial machine learning model. The network entity 105-a may indicate a first associated ID associated with a third RRH 210 (not shown) . For example, the network entity may schedule a Layer 1 (L1) report from the UE 115-a requesting information about synchronization signal blocks (SSBs) received by the UE 115-a. The network entity 105-a may determine that a strongest SSB (e.g., a SSB with a highest  signal strength) was transmitted from the third RRH 210. The network entity 105-a may transmit control signaling (e.g., a medium access control-control element (MAC-CE) ) activating a first machine learning model associated with the third RRH 210. The UE 115-a may load the first machine learning model with respect to the first associated ID. After the UE 115-a loads the first machine learning model (e.g., after a duration associated with loading the first machine learning model) , the network entity 105-a may schedule aperiodic beam prediction reports (e.g., channel state information (CSI) reports) associated with the third RRH 210.

[0088] In a second step, the network entity 105-a may initiate a first switch for the machine learning model from the third RRH 210 to the first RRH 210-a. For example, the L1 report may indicate that SSBs transmitted from the first RRH 210-a are almost as strong (e.g., similar in signal strength) as the SSB transmitted from the third RRH 210. The network entity 105-a may transmit control signaling to activate the first machine loading model and a second machine learning model associated with the first RRH 210-a. The UE 115-a may load the second machine learning model with respect to a second associated ID. In some examples, the UE 115-a may keep the first machine learning model loaded when loading the second machine learning model. After the UE 115-a loads the second machine learning model (e.g., after a duration associated with loading the second machine learning model) , the network entity 105-a may schedule aperiodic beam prediction CSI reports associated with the first RRH 210-a. The network entity 105-a may also continue to schedule aperiodic beam prediction CSI reports associated with the third RRH 210.

[0089] In a third step, the network entity 105-a may complete the first switch for the machine learning model to the first RRH 210-a. For example, the network entity 105-a may receive additional L1 reports indicating that SSBs transmitted from the first RRH 210-a are consistently the strongest SSBs. The network entity 105-a may transmit control signaling activating only the second machine learning model. The UE 115-a may release the first machine learning model. The network entity 105-a may also continue to schedule aperiodic beam prediction CSI reports associated with the first RRH 210-a.

[0090] In a fourth step, the network entity 105-a may initiate a second switch for the machine learning model from the first RRH 210-a to the second RRH 210-b. For  example, the network entity 105-a may receive additional L1 reports indicating that SSBs transmitted from the second RRH 210-b are almost as strong as the SSBs transmitted from the first RRH 210-a. The network entity 105-a may transmit control signaling to activate the second machine loading model and a third machine learning model associated with the second RRH 210-b. The first RRH 210-a and the second RRH 210-b may be associated with a same associated ID (e.g., the second associated ID) .

[0091] Accordingly, in some examples where the UE 115-a performs parallel inference, the UE 115-a may load the third machine learning model with respect to the second associated ID. The UE 115-a may keep the second machine learning model loaded when loading the third machine learning model. In some other examples where the UE 115-a performs sequential inference, the UE 115-a may keep the second machine learning model loaded and perform processing to use the second machine learning model for a separate inference procedure. After the UE 115-a loads the third machine learning model (e.g., after a duration associated with loading the third machine learning model) or after the UE 115-a performs the processing (e.g., after a duration associated with performing the processing) , the network entity 105-a may schedule aperiodic beam prediction CSI reports associated with the second RRH 210-b. The network entity 105-a may also continue to schedule aperiodic beam prediction CSI reports associated with the first RRH 210-a.

[0092] As described herein, parallel inference and sequential inference using multiple machine learning models may incur both model loading latency and model inference latency at the UE 115-a. For example, in FIG. 2, the UE 115-a may perform beam prediction in accordance with the timeline 215, including performing model loading 220 and model inferencing 225. The first RRH 210-a and the second RRH 210-b may be associated with a same associated ID. Additionally, the first RRH 210-a may be associated with a first machine learning model, and the second RRH 210-b may be associated with a second machine learning model. Accordingly, the first machine learning model and the second machine learning model may be associated with a same associated ID. The UE 115-a may communicate with the network entity 105-a via the first RRH 210-a, which may include performing beam prediction using the first machine learning model. In such cases, the UE 115-a may load the first machine learning model  prior to performing model loading 220. In the example of FIG. 2, the UE 115-a may move from the first RRH 210-a to the second RRH 210-b. At a first time t1, the UE 115-a may receive signaling from the network entity 105-a indicating for the UE 115-a to activate the second machine learning model.

[0093] In some examples where the UE 115-a performs parallel inference, the UE 115-a may load the second machine learning model for a parallel loading duration 230. In some cases, the UE 115-a may load the second machine learning model for a first parallel loading duration 230-a. The UE 115-a may load the second machine learning model to support parallel inference using both the first machine learning model and the second machine learning model simultaneously. In some other cases where the UE 115-a supports parallel loading using a single model as described herein, the UE 115-a may load the second machine learning model for a second parallel loading duration 230-b that is shorter than the first parallel loading duration 230-a. In such cases, the UE 115-a may only create memory to restore inter-layer outputs for the second machine learning model, instead of loading the entirety of the second machine learning model as is performed during the first parallel loading duration 230-a. At a second time t2, the UE 115-a may complete loading the second machine learning model for parallel loading. The duration between the first time t1 and the second time t2 may represent latency associated with model loading 220 for parallel inference.

[0094] In some other examples where the UE 115-a performs sequential inference, the UE 115-a may load the second machine learning model for a sequential loading duration 235. In such cases, the UE 115-a may perform marginal (e.g., minimal) processing to prepare the second machine learning model for additional inference procedures relative to the processing for loading the second machine learning model from scratch (e.g., without existing or already loaded model data) . Accordingly, the sequential loading duration 235 may be shorter than both the first parallel loading duration 230-a and the second parallel loading duration 230-b. At a third time t3, the UE 115-a may complete loading the second machine learning model for sequential loading. The duration between the first time t1 and the third time t3 may represent latency associated with model loading 220 for sequential inference.

[0095] After the UE 115-a performs model loading 220 to load the second machine learning model, the UE 115-a may perform model inferencing 225 to predict best beams  for future (e.g., scheduled) communications between the UE 115-a and the network entity 105-a using both the first machine learning model and the second machine learning model. At a fourth time t4, the UE 115-a may receive a request (e.g., from the network entity 105-a) to perform beam prediction using the first machine learning model and the second machine learning model.

[0096] In some examples where the UE 115-a performs parallel inference, the UE 115-a may perform an inference (e.g., beam prediction) using both the first machine learning model and the second machine learning model simultaneously for a parallel inference duration 240-a. The UE 115-a may perform additional post processing 240-b for the inference before reporting beam prediction results for both the first RRH 210-a and the second RRH 210-b to the network entity 105-a at a fifth time t5. The duration between the fourth time t4 and the fifth time t5 may represent latency associated with model inferencing 225 for parallel inference. Performing simultaneous beam prediction using the first machine learning model and the second machine learning model and jointly reporting the corresponding prediction results in accordance with parallel inference techniques may reduce latency associated with model inference relative to sequential inference techniques.

[0097] In some other examples where the UE 115-a performs sequential inference, the UE 115-a may perform a first inference (e.g., beam prediction) using the first machine learning model for a first sequential inference duration 245-a. The UE 115-a may perform post processing 245-b for the first inference before reporting beam prediction results for the first RRH 210-a to the network entity 105-a at the fifth time t5. After the UE 115-a performs the first inference using the first machine learning model for the first sequential inference duration 245-a, the UE 115-a may perform a second inference using the second machine learning model for a second sequential inference duration 250-a. The UE 115-a may perform additional post processing 250-b for the second inference before reporting beam prediction results for the second RRH 210-b to the network entity 105-a at a sixth time t6. In some examples, the UE 115-a may initiate the second inference using the second machine learning model prior to completing the post processing 245-b for the first inference. The duration between the fourth time t4 and the sixth time t6 may represent latency associated with model inferencing 225 for sequential inference. Performing separate beam prediction using the first machine  learning model and the second machine learning model and separately reporting each of the corresponding prediction results in accordance with sequential inference techniques may increase latency associated with model inference relative to parallel inference techniques.

[0098] In some examples, it may be beneficial for the UE 115-a to indicate capability information for model loading latency and for model inference latency as described herein. Indicating such capability information may allow the network entity 105-a to more efficiently determine communication timelines (e.g., scheduling) for the UE 115-a while considering latency at the UE 115-a. Additionally, in some examples a capability of the UE 115-a for supporting parallel inference or sequential inference for beam prediction may vary with time. For example, a capability of the UE 115-a to perform parallel inference or sequential inference may be based on an availability of computational resources at the UE 115-a in real-time. Accordingly, it may be beneficial for the UE 115-a to indicate whether the UE 115-a supports parallel inference or sequential inference in real-time to the network entity 105-a to further allow the network entity 105-a to more efficiently determine the communication timelines.

[0099] Various aspects of the present disclosure described herein relate to reporting latency capabilities for multiple beam prediction models with identical associated IDs. The UE 115-a may transmit a capability report to the network entity 105-a indicating UE-side latency parameters for performing beam prediction using multiple machine learning models associated with a same associated ID. For example, the UE 115-a may indicate a first capability associated with model loading 220 and a second capability associated with model inferencing 225. In some examples, the UE 115-a may indicate the first capability and the second capability during initial access with the network entity 105-a.

[0100] The first capability may indicate a first latency for loading the second machine learning model between receiving a command from the network entity 105-a to activate the second machine learning model (e.g., at the first time t1) until a time (e.g., the second time t2, the third time t3) that the UE 115-a expects to be triggered with (e.g., to transmit) a beam prediction results feedback report. The UE 115-a may expect to be triggered with the beam prediction results feedback report no earlier than the first latency indicated by the first capability.

[0101] The second capability may indicate a second latency for performing beam prediction using the first machine learning model and the second machine learning model between receiving a request from the network entity 105-a to report beam prediction results associated with a first beam prediction request and a second beam prediction request (e.g., at the fourth time t4) until a time (e.g., the fifth time t5, the sixth time t6) that the UE 115-a is capable of reporting the beam prediction results for both the first machine learning model and the second machine learning model. The UE 115-a may expect to be scheduled with the beam prediction results feedback report no earlier than the second latency indicated by the second capability. For both model loading 220 and model inferencing 225, the first machine learning model and the second machine learning model may be associated with a same associated ID. However, the first machine learning model and the second machine learning model may be associated with different prediction inputs (e.g., measurement results, Set B beams) .

[0102] The UE 115-a may include additional information when reporting the first capability, the second capability, or both. In some examples, the UE 115-a may report the first latency to be zero. For example, the first machine learning model that is already loaded at the UE 115-a may be used for inference at any time, assuming the network entity 105-a provides the measurement resources for inference. In such examples where the UE 115-a reports the first latency as zero, the capability report may indicate (e.g., implicitly) that the UE 115-a does not support (e.g., is not capable of) simultaneous inference for the first beam prediction request and the second beam prediction request. Additionally or alternatively, the UE 115-a may include one or more sub-capabilities associated with the second capability in the capability report that may indicate (e.g., explicitly) that the UE 115-a does not support (e.g., is not capable of) simultaneous inference for the first beam prediction request and the second beam prediction request. Such examples are described in further detail herein with respect to FIG. 3.

[0103] In some examples, the capability report may include pairs of the first capability and the second capability. For example, the UE 115-a may support multiple first capabilities and multiple second capabilities. In such examples, the UE 115-a may indicate multiple pairs of the first capability and the second capability, where each pair indicates one of the first capabilities and a corresponding one of the second capabilities. Further, the UE 115-a may indicate a preferred pair to the network entity 105-a in real- time (e.g., after transmitting the capability report) . For example, the UE 115-a may indicate one of the pairs to the network entity 105-a via control signaling (e.g., via radio resource control (RRC) signaling, via a MAC-CE, via uplink control information (UCI) ) , and the network entity 105-a may determine communication timelines for the UE 115-a based on the first capability and second capability indicated by the preferred pair. The UE 115-a may select one of the pairs based on changes to UE-side conditions in real time. For example, the UE 115-a may dynamically down-select a pair from the multiple pairs based on a change to computational resources available at the UE 115-a, a change to power restrictions for the UE 115-a, or both. In some cases, one of the pairs included in the capability report may be defined (e.g., predefined) to be a default pair, and the network entity 105-a may determine communication timelines for the UE 115-a based on the first capability and second capability indicated by the default pair if the network entity 105-a does not receive an indication of a preferred pair from the UE 115-a.

[0104] In some examples, the UE 115-a may support multiple first capabilities and multiple second capabilities that are associated with different associated IDs, with different model IDs, or both. For example, the first machine learning model, the second machine learning model, or both, may be associated with different capabilities for supporting parallel inference or sequential inference for different associated IDs. In an example, the second machine learning model may support parallel inference when associated with a first associated ID, but may not support parallel inference when associated with a second associated ID. Additionally, as described herein, the second machine learning model may dynamically vary based on real-time UE-side conditions for both the first associated ID and the second associated ID. Accordingly, real-time signaling to indicate preferred capabilities based on real-time UE-side conditions may also vary across different associated IDs. The UE 115-a may report capability signaling and real-time signaling separately for the different associated IDs. For example, the UE 115-a may transmit a first capability report associated with the first associated ID and may transmit a second capability report associated with the second associated ID.

[0105] Additionally or alternatively, the UE 115-a may report capability signaling and real-time signaling separately for different model IDs. For example, the UE 115-a may report separate capability signaling depending on whether the first machine  learning model and the second machine learning model support temporal beam prediction. In an example, if the second machine learning model supports temporal beam prediction, the second machine learning model may be more complex such that the UE 115-a may be unable to perform parallel inferencing using both the first machine learning model and the second machine learning model. Conversely, if the second machine learning model supports spatial beam prediction (e.g., pure spatial beam prediction) , the second machine learning model may be simpler such that the UE 115-a may support parallel inferencing using both the first machine learning model and the second machine learning model.

[0106] In the example of FIG. 2, the UE 115-a supports a first machine learning model and a second machine learning model that are both associated with a same associated ID. However, in some other embodiments not illustrated herein, the UE 115-a may support more than two machine learning models that are associated with a same associated ID. In such examples, activation of additional machine learning models may be sequentially requested (e.g., by the network entity 105-a) . For example, the UE 115-a may include a quantity N of activated machine learning models, where N is greater than or equal to 2. The UE 115-a may transmit a capability report including the first capability and the second capability for different values of N. That is, the UE 115-a may report multiple first capabilities and multiple second capabilities for multiple respective values of N. The network entity 105-a may activate one of the additional machine learning models based on the capability report.

[0107] For example, the UE 115-a may support a quantity P of activated machine learning models for parallel inference. Starting from the P+1th machine learning model, the UE 115-a may implement sequential inference. The UE 115-a may indicate a value of P in the capability report. The UE 115-a may further address separate reports of the value of P for different values of N, similar to the first capability and the second capability. Additionally or alternatively, the UE 115-a may update the value of P via real-time signaling (e.g., control signaling) .

[0108] In some examples, the UE 115-a may receive multiple inference requests (e.g., from the network entity 105-a) that are associated with either a same serving cell or component carrier, or with different serving cells or component carriers. For example, the UE 115-a may receive a first inference request for the first RRH 210-a and  may receive a second inference request for the second RRH 210-b. In some cases, the first RRH 210-a and the second RRH 210-b may be associated with a same serving cell or component carrier. In some other cases, the first RRH 210-a and the second RRH 210-b may be associated with different serving cells or component carriers.

[0109] In such examples, the UE 115-a may transmit or restrict transmission of the capability report, the real-time signaling, or both, on a per-service cell level or on a per-component carrier level. For example, the UE 115-a may transmit a first capability report indicating a first capability and a second capability of the UE 115-a for inferences within a same serving cell or component carrier. The UE 115-a may also transmit a second capability report indicating a first capability and a second capability of the UE 115-a for inferences across multiple serving cells or component carriers. The first capability report may include a smaller value of P relative to the first capability report. That is, inference within a serving cell or component carrier may be associated with a smaller supported quantity of activated machine learning models for parallel inference when compared to inference across different serving cells or component carriers.

[0110] FIG. 3 shows an example of a communications timeline 300 and a communications timeline 305 that support reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The communications timeline 300 and the communications timeline 305 may be implemented by a UE (not shown) and a network entity (not shown) , which may be examples of corresponding devices described herein, including with reference to FIGs. 1 and 2. The communications timeline 300 may be associated with a horizontal axis 310-a representing time. The communications timeline 305 may be associated with a horizontal axis 310-b representing time.

[0111] As described herein with reference to FIG. 2, the UE may transmit a capability report indicating a first capability for model loading (e.g., a first latency associated with loading a machine learning model for performing beam prediction) and a second capability for model inference (e.g., a second latency associated with performing beam prediction using multiple machine learning models) . Further, the UE may indicate one or more sub-capabilities associated with the first capability, the second capability, or both, via the capability report. In some examples, the UE may include a sub-capability of the second capability indicating whether the UE supports simultaneous  inference for a first beam prediction request and a second beam prediction request. The UE may receive the first beam prediction request and the second beam prediction request from the network entity. In some examples, the UE may update the sub-capability of the second capability via real-time signaling as described with reference to FIG. 2. For example, the UE may transmit control signaling to indicate real-time changes to whether the UE supports simultaneous inference for the first beam prediction request and the second beam prediction request based on one or more UE-side conditions changing over time.

[0112] If the sub-capability indicates that the UE supports simultaneous inference for the first beam prediction request and the second beam prediction request, then the UE may perform inference for the second beam prediction request before finishing inference for the first beam prediction request. For example, the UE may be considered to perform inference using a first machine learning model for the first beam prediction request. The UE may receive the second beam prediction request and may be considered to perform inference using a second machine learning model for the second beam prediction request while inference for the first beam prediction request is unfinished. Alternatively, if the sub-capability indicates that the UE does not support simultaneous inference for the first beam prediction request and the second beam prediction request, then the UE may not perform inference for the second beam prediction request before finishing inference for the first beam prediction request.

[0113] The sub-capability of the second capability may be further associated with a processor of the UE. In some examples, the sub-capability of the second capability may be associated with a central processing unit (CPU) of the UE. In such examples, if the CPU is occupied by the first beam prediction request (e.g., if the CPU is associated with a first beam prediction CSI report 315-a) , then the UE may not occupy the CPU with the second beam prediction request (e.g., may not associate the CPU with a second beam prediction CSI report 315-b) . That is, CPU occupation for the first beam prediction CSI report 315-a and for the second beam prediction CSI report 315-b may not overlap in time. The communications timeline 300 illustrates an example where the sub-capability is associated with the CPU of the UE. The CPU may be occupied by the first beam prediction CSI report 315-a for a first duration 320. Occupation of the CPU for the second beam prediction CSI report 315-b may not be allowed during the first duration  320. After the UE finishes inference for the first beam prediction CSI report 315-a, the UE may occupy the CPU with the second beam prediction CSI report 315-b for a second duration 325.

[0114] In some other examples, the sub-capability of the second capability may be associated with an artificial intelligence / machine learning processing unit (APU) of the UE.In some examples, the UE may use the APU for performing inference using a machine learning model. In such examples, if the APU is occupied by the first beam prediction request (e.g., if the APU is associated with a first beam prediction CSI report 315-a) , then the UE may not occupy the APU with the second beam prediction request (e.g., may not associate the APU with a second beam prediction CSI report 315-b) . However, temporal overlapping of processing for a first machine learning model that is not associated with inference for the first machine learning model and inference for a second machine learning model, or temporal overlapping of processing for a second machine learning model that is not associated with inference for the second machine learning model and inference for a first machine learning model may be supported. In such examples, CPU occupation for the first beam prediction CSI report 315-a and for the second beam prediction CSI report 315-b may overlap (e.g., partially) in time. The processing for the first machine learning model that is not associated with inference for the first machine learning model (and similar processing for the second machine learning model that is not associated with inference for the second machine learning model) may include latency for obtaining measurement resources for inference, latency for calculation and packaging of UCI, or both.

[0115] The communications timeline 305 illustrates an example where the sub-capability is associated with the APU of the UE. The APU may be occupied by the first beam prediction CSI report 315-a for a first duration 320. The first duration 320 may include a first portion 320-a associated with APU occupation for the first beam prediction CSI report 315-a and one or more second portions 320-b associated with CPU occupation for processing for the first beam prediction CSI report 315-a. The APU may not be occupied by the first beam prediction CSI report 315-a during the one or more second portions 320-b. Occupation of the CPU for the second beam prediction CSI report 315-b may not be allowed during the first portion 320-a. After the UE finishes inference for the first beam prediction CSI report 315-a, the UE may occupy the  CPU with the second beam prediction CSI report 315-b for a second duration 325. The second duration 325 may include a first portion 325-a associated with APU occupation for the second beam prediction CSI report 315-b and one or more second portions 325-b associated with CPU occupation for processing for the second beam prediction CSI report 315-b. In the example of the communications timeline 305, one of the one or more second portions 320-b associated with the first beam prediction CSI report 315-a may overlap in time with one of the one or more second portions 325-b associated with the second beam prediction CSI report 315-b. During this overlap, the APU may not be occupied by either the first beam prediction CSI report 315-a or the second beam prediction CSI report 315-b.

[0116] FIG. 4 shows an example of a process flow 400 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The process flow 400 may implement or be implemented by aspects of the wireless communications system 100, the wireless communications system 200, the communications timeline 300, or any combination thereof, as described with reference to FIGs. 1–3. For example, the process flow 400 may illustrate actions performed by a UE 115-b and a network entity 105-b, which may be examples of corresponding devices as described herein, including with reference to FIGs. 1–3. In the following description of the process flow 400, the operations between the UE 115-b and the network entity 105-b may be performed in a different order than the example shown, or the operations between the UE 115-b and the network entity 105-b may be performed in different orders at different times. Some operations may also be omitted from the process flow 400, and other operations may be added to the process flow 400.

[0117] At 405, the UE 115-b may load a first machine learning model for a first active beam prediction operation. In some examples, the first machine learning model may be trained based on a network-side additional conditions identifier (e.g., an associated ID) associated with beam prediction operations. In some examples, the network-side additional conditions identifier may correspond to a set of network-side conditions. In such examples, the UE 115-b may perform a second beam prediction operation in accordance with the one or more UE-side latency parameters based on the first active beam prediction operation and the second beam prediction operation both  corresponding to a same network-side additional conditions identifier (e.g., the same associated ID) . For example, the UE 115-b may perform the second beam prediction operation based on the first machine learning model and the second machine learning model corresponding to a same network-side additional conditions identifier. The first active beam prediction operation may be associated with a first location, and the second beam prediction operation may be associated with a second location.

[0118] In some examples, the network-side additional conditions identifier may include an indication of: a quantity of prediction targets, a quantity of measurement resources, one or more prediction target indices, one or more measurement resource indices, a prediction target order, a measurement resource order, one or more absolute pointing directions, one or more relative pointing directions, beam shapes, one or more QCL relationships within a set of prediction target beams, one or more QCL relationships within a set of measurement resource beams, one or more QCL relationship between the set of prediction target beams and the set of measurement resource beams, a periodicity of prediction targets, a periodicity of measurement resources, one or more future occasions for performing temporal beam prediction, or any combination thereof.

[0119] At 410, the UE 115-b may report capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, the second beam prediction operation (e.g., using a second machine learning model) corresponding to the network-side additional conditions identifier. In some examples, the capability signaling may include a plurality of pairs of UE-side latency parameters. In such examples, a first parameter of each pair of UE-side latency parameters may be associated with a loading operation at the UE 115-b (e.g., loading the first machine learning model) , and a second parameter of each pair of UE-side latency parameters may be associated with performing the second beam prediction operation. The first beam active beam prediction operation may include predicting one or more channel characteristics associated with a first set of prediction targets, and the second beam prediction operation may include predicting the one or more channel characteristics associated with a second set of prediction targets.

[0120] In some examples, a subset of the one or more UE-side latency parameters may indicate whether the UE 115-b is capable of performing simultaneous beam prediction operations (e.g., using both the first machine learning model and the second machine learning model) . For example, the capability signaling may indicate a value of zero for the first parameter of the one or more UE-side latency parameters associated with the loading operation at the UE 115-b (e.g., associated with loading the first machine learning model) . In such cases, the UE 115-b may indicate, via the capability signaling, that the UE 115-b is not capable of perform simultaneous beam prediction operations. Additionally or alternatively, a subset of the one or more UE-side latency parameters may indicate a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier that the UE 115-b is capable of performing simultaneously. For example, the subset of the one or more UE-side latency parameters may indicate a quantity of machine learning models corresponding to the same network-side additional conditions identifier that the UE 115-b is capable of operating simultaneously for performing a plurality of beam prediction operations. In some cases, the capability signaling may also include a first set of one or more UE-side latency parameters associated with performing beam prediction operations within a communication cell and a second set of UE-side latency parameters associated with performing beam prediction operations across multiple communication cells.

[0121] In some examples, the one or more UE-side latency parameters may be based on the network-side additional conditions identifier. In such examples, at 415, the UE 115-b may report second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing the second beam prediction operation (e.g., using the second machine learning model) corresponding to a second network-side additional conditions identifier (e.g., a second set of network-side conditions) . In some other examples, at 415, the UE 115-b may report second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction corresponding to the second network-side additional conditions identifier. In such cases, the third beam prediction operation may be associated with a different complexity than the second beam prediction operation. For example, the UE 115-b may perform the third beam prediction using a third machine learning model, where the third machine learning model has a different model  complexity from the second machine learning model. Alternatively, at 415, the UE 115-b may report second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier. In some examples, the quantity of beam prediction operations may use a respective quantity of machine learning models.

[0122] At 420, the UE 115-b may report updated capability signaling indicating one or more updated UE-side latency parameters. In some examples, the one or more UE-side latency parameters may be updated based on one or more UE conditions. For example, the UE may update the one or more UE-side latency parameters based on a computational resource condition at the UE, a power restriction condition at the UE, or both.

[0123] In some cases, a first pair of the plurality of pairs of UE-side latency parameters may be a default pair. In such cases, at 425, the UE 115-b may transmit control signaling indicating one of the plurality of pairs of UE-side latency parameters other than the default pair for performing the second beam prediction operation based on one or more UE conditions.

[0124] At 430, the UE 115-b may perform the second beam prediction operation in accordance with the one or more UE-side latency parameters. To perform the second beam prediction operation, the UE 115-b may perform the following operations at 435 through 465:

[0125] At 435, the UE 115-b may load the second machine learning model for the second beam prediction operation. In some examples, the second machine learning model may be trained based on the network-side additional conditions identifier (e.g., the set of network-side conditions) associated with the beam prediction operations.

[0126] At 440, the UE 115-b may perform the first active beam prediction operation (e.g., using the first machine learning model) based on receiving a first beam prediction request. In some examples, the UE 115-b may receive the first beam prediction request from the network entity 105-b. In some examples, the UE 115-b may perform the first active beam prediction operation using a processing unit of the UE 115-b based on receiving the first beam prediction request. In such examples, the processing unit of the  UE 115-b may be a CPU. In some other examples, the UE 115-b may perform, for a first duration, the first active beam prediction operation using a processing unit of the UE 115-b based on receiving the first beam prediction request. In such examples, the processing unit of the UE 115-b may be an APU.

[0127] At 445, the UE 115-b may receive a second beam prediction request prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE 115-b is capable of performing simultaneous beam prediction operations. In some examples, the UE 115-b may receive the second beam prediction request based on the one or more UE-side latency parameters indicating that the UE 115-b is capable of performing simultaneous beam prediction operations. At 450, the UE 115-b may generate a first set of predicted measurement resources in accordance with the first active beam prediction operation (e.g., using the first machine learning model) and a first set of prediction inputs. In some examples, the first set of prediction inputs may include one or more measurement resources (e.g., beams) associated with the first location.

[0128] At 455, the UE 115-b may perform the second beam prediction operation (e.g., using the second machine learning model) based on receiving the second beam prediction request. In some examples, the UE 115-b may refrain from performing the second beam prediction operation prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE 115-b is capable of performing simultaneous beam prediction operations. For example, the UE 115-b may refrain from performing the second beam prediction operation prior to generating the first set of predicted measurement resources in accordance with the one or more UE-side latency parameters indicating that the UE 115-b is not capable of performing simultaneous beam prediction operations. At 460, the UE 115-b may generate a second set of predicted measurement resources in accordance with the second beam prediction operation and a second set of prediction inputs. In some examples, the second set of prediction inputs may include one or more measurement resources (e.g., beams) associated with the second location.

[0129] In some examples where the UE 115-b performs the first active beam prediction operation using the processing unit (e.g., the CPU) of the UE 115-b, the UE 115-b may refrain from performing the second beam prediction operation using the  processing unit (e.g., the CPU) of the UE 115-b prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE 115-b is capable of performing simultaneous beam prediction operations. In some other examples where the UE 115-b performs the first active beam prediction for the first duration using the processing unit (e.g., the APU) of the UE 115-b, the UE 115-b may also perform, for a second duration, the second beam prediction using the processing unit (e.g., the APU) of the UE 115-b prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE 115-b is capable of performing simultaneous beam prediction operations. In such cases, the second duration may at least partially overlap with the first duration.

[0130] At 465, the UE 115-b may transmit a feedback report including the first set of predicted measurement resources and the second set of predicted measurement resources. In some examples, the UE 115-b may transmit the feedback report to the network entity 105-b. The network entity 105-b may determine communication timelines for future (e.g., scheduled) communications between the UE 115-b and the network entity 105-b.

[0131] FIG. 5 shows a block diagram 500 of a device 505 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The device 505 may be an example of aspects of a UE 115 as described herein. The device 505 may include a receiver 510, a transmitter 515, and a communications manager 520. The device 505, or one or more components of the device 505 (e.g., the receiver 510, the transmitter 515, the communications manager 520) , may include at least one processor, which may be coupled with at least one memory, to, individually or collectively, support or enable the described techniques. Each of these components may be in communication with one another (e.g., via one or more buses) .

[0132] The receiver 510 may provide a means for receiving information such as packets, user data, control information, or any combination thereof associated with various information channels (e.g., control channels, data channels, information channels related to reporting latency capabilities for multiple beam prediction models with identical associated identifiers) . Information may be passed on to other  components of the device 505. The receiver 510 may utilize a single antenna or a set of multiple antennas.

[0133] The transmitter 515 may provide a means for transmitting signals generated by other components of the device 505. For example, the transmitter 515 may transmit information such as packets, user data, control information, or any combination thereof associated with various information channels (e.g., control channels, data channels, information channels related to reporting latency capabilities for multiple beam prediction models with identical associated identifiers) . In some examples, the transmitter 515 may be co-located with a receiver 510 in a transceiver module. The transmitter 515 may utilize a single antenna or a set of multiple antennas.

[0134] The communications manager 520, the receiver 510, the transmitter 515, or various combinations or components thereof may be examples of means for performing various aspects of reporting latency capabilities for multiple beam prediction models with identical associated identifiers as described herein. For example, the communications manager 520, the receiver 510, the transmitter 515, or various combinations or components thereof may be capable of performing one or more of the functions described herein.

[0135] In some examples, the communications manager 520, the receiver 510, the transmitter 515, or various combinations or components thereof may be implemented in hardware (e.g., in communications management circuitry) . The hardware may include at least one of a processor, a digital signal processor (DSP) , a central processing unit (CPU) , a graphics processing unit (GPU) , a neural processing unit (NPU) , an application-specific integrated circuit (ASIC) , a field-programmable gate array (FPGA) or other programmable logic device, a microcontroller, discrete gate or transistor logic, discrete hardware components, or any combination thereof configured as or otherwise supporting, individually or collectively, a means for performing the functions described in the present disclosure. In some examples, at least one processor and at least one memory coupled with the at least one processor may be configured to perform one or more of the functions described herein (e.g., by one or more processors, individually or collectively, executing instructions stored in the at least one memory) .

[0136] Additionally, or alternatively, the communications manager 520, the receiver 510, the transmitter 515, or various combinations or components thereof may be implemented in code (e.g., as communications management software) executed by at least one processor (e.g., referred to as a processor-executable code) . If implemented in code executed by at least one processor, the functions of the communications manager 520, the receiver 510, the transmitter 515, or various combinations or components thereof may be performed by a general-purpose processor, a DSP, a CPU, a GPU, an NPU, an ASIC, an FPGA, a microcontroller, or any combination of these or other programmable logic devices (e.g., configured as or otherwise supporting, individually or collectively, a means for performing the functions described in the present disclosure) .

[0137] In some examples, the communications manager 520 may be configured to perform various operations (e.g., receiving, obtaining, monitoring, outputting, transmitting) using or otherwise in cooperation with the receiver 510, the transmitter 515, or both. For example, the communications manager 520 may receive information from the receiver 510, send information to the transmitter 515, or be integrated in combination with the receiver 510, the transmitter 515, or both to obtain information, output information, or perform various other operations as described herein.

[0138] The communications manager 520 may support wireless communications in accordance with examples as disclosed herein. For example, the communications manager 520 is capable of, configured to, or operable to support a means for reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier. The communications manager 520 is capable of, configured to, or operable to support a means for performing the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0139] By including or configuring the communications manager 520 in accordance with examples as described herein, the device 505 (e.g., at least one processor controlling or otherwise coupled with the receiver 510, the transmitter 515, the communications manager 520, or a combination thereof) may support techniques for  reduced processing, reduced power consumption, and more efficient utilization of communication resources.

[0140] FIG. 6 shows a block diagram 600 of a device 605 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The device 605 may be an example of aspects of a device 505 or a UE 115 as described herein. The device 605 may include a receiver 610, a transmitter 615, and a communications manager 620. The device 605, or one of more components of the device 605 (e.g., the receiver 610, the transmitter 615, the communications manager 620) , may include at least one processor, which may be coupled with at least one memory, to support the described techniques. Each of these components may be in communication with one another (e.g., via one or more buses) .

[0141] The receiver 610 may provide a means for receiving information such as packets, user data, control information, or any combination thereof associated with various information channels (e.g., control channels, data channels, information channels related to reporting latency capabilities for multiple beam prediction models with identical associated identifiers) . Information may be passed on to other components of the device 605. The receiver 610 may utilize a single antenna or a set of multiple antennas.

[0142] The transmitter 615 may provide a means for transmitting signals generated by other components of the device 605. For example, the transmitter 615 may transmit information such as packets, user data, control information, or any combination thereof associated with various information channels (e.g., control channels, data channels, information channels related to reporting latency capabilities for multiple beam prediction models with identical associated identifiers) . In some examples, the transmitter 615 may be co-located with a receiver 610 in a transceiver module. The transmitter 615 may utilize a single antenna or a set of multiple antennas.

[0143] The device 605, or various components thereof, may be an example of means for performing various aspects of reporting latency capabilities for multiple beam prediction models with identical associated identifiers as described herein. For example, the communications manager 620 may include a capability signaling component 625 a  beam prediction component 630, or any combination thereof. The communications manager 620 may be an example of aspects of a communications manager 520 as described herein. In some examples, the communications manager 620, or various components thereof, may be configured to perform various operations (e.g., receiving, obtaining, monitoring, outputting, transmitting) using or otherwise in cooperation with the receiver 610, the transmitter 615, or both. For example, the communications manager 620 may receive information from the receiver 610, send information to the transmitter 615, or be integrated in combination with the receiver 610, the transmitter 615, or both to obtain information, output information, or perform various other operations as described herein.

[0144] The communications manager 620 may support wireless communications in accordance with examples as disclosed herein. The capability signaling component 625 is capable of, configured to, or operable to support a means for reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier. The beam prediction component 630 is capable of, configured to, or operable to support a means for performing the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0145] FIG. 7 shows a block diagram 700 of a communications manager 720 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The communications manager 720 may be an example of aspects of a communications manager 520, a communications manager 620, or both, as described herein. The communications manager 720, or various components thereof, may be an example of means for performing various aspects of reporting latency capabilities for multiple beam prediction models with identical associated identifiers as described herein. For example, the communications manager 720 may include a capability signaling component 725, a beam prediction component 730, a reporting component 735, a control signaling component 740, a request component 745, or any combination thereof. Each of these components, or components or subcomponents thereof (e.g., one  or more processors, one or more memories) , may communicate, directly or indirectly, with one another (e.g., via one or more buses) .

[0146] The communications manager 720 may support wireless communications in accordance with examples as disclosed herein. The capability signaling component 725 is capable of, configured to, or operable to support a means for reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier. The beam prediction component 730 is capable of, configured to, or operable to support a means for performing the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0147] In some examples, the first active beam prediction operation includes predicting one or more channel characteristics associated with a first set of prediction targets. In some examples, the second beam prediction operation includes predicting the one or more channel characteristics associated with a second set of prediction targets.

[0148] In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for generating a first set of predicted measurement resources in accordance with the first active beam prediction operation and a first set of prediction inputs. In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for generating a second set of predicted measurement resources in accordance with the second beam prediction operation and a second set of prediction inputs. In some examples, to support performing the second beam prediction operation, the reporting component 735 is capable of, configured to, or operable to support a means for transmitting a feedback report including the first set of predicted measurement resources and the second set of predicted measurement resources.

[0149] In some examples, the capability signaling includes a set of multiple pairs of UE-side latency parameters. In some examples, a first parameter of each pair of UE-side latency parameters is associated with a loading operation at the UE. In some examples,  a second parameter of each pair of UE-side latency parameters is associated with performing the second beam prediction operation.

[0150] In some examples, a first pair of the set of multiple pairs of UE-side latency parameters is a default pair, and the control signaling component 740 is capable of, configured to, or operable to support a means for transmitting control signaling indicating one of the set of multiple pairs of UE-side latency parameters other than the default pair for performing the second beam prediction operation based on one or more UE conditions.

[0151] In some examples, the capability signaling indicates a value of zero for a first parameter of the one or more UE-side latency parameters associated with a loading operation at the UE, and the capability signaling component 725 is capable of, configured to, or operable to support a means for indicating, via the capability signaling, that the UE is not capable of performing simultaneous beam prediction operations.

[0152] In some examples, a subset of the one or more UE-side latency parameters indicates whether the UE is capable of performing the first active beam prediction operation and the second beam prediction operation simultaneously.

[0153] In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for performing the first active beam prediction operation based on receiving a first beam prediction request. In some examples, to support performing the second beam prediction operation, the request component 745 is capable of, configured to, or operable to support a means for receiving a second beam prediction request prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations. In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for performing the second beam prediction operation based on receiving the second beam prediction request.

[0154] In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for refraining from performing the second beam prediction operation  prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations.

[0155] In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for performing the first active beam prediction operation using a processing unit of the UE based on receiving a first beam prediction request. In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for refraining from performing the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations.

[0156] In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for performing, for a first duration, the first active beam prediction operation using a processing unit of the UE based on receiving a first beam prediction request. In some examples, to support performing the second beam prediction operation, the beam prediction component 730 is capable of, configured to, or operable to support a means for performing, for a second duration, the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations, where the second duration at least partially overlaps with the first duration.

[0157] In some examples, the one or more UE-side latency parameters are based on the network-side additional conditions identifier, and the capability signaling component 725 is capable of, configured to, or operable to support a means for reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier.

[0158] In some examples, the one or more UE-side latency parameters are based on the network-side additional conditions identifier, and the capability signaling component 725 is capable of, configured to, or operable to support a means for reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier, where the third beam prediction operation is associated with a different complexity than the second beam prediction operation.

[0159] In some examples, the capability signaling component 725 is capable of, configured to, or operable to support a means for reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier.

[0160] In some examples, a subset of the one or more UE-side latency parameters indicates a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier that the UE is capable of performing simultaneously.

[0161] In some examples, the capability signaling component 725 is capable of, configured to, or operable to support a means for reporting updated capability signaling indicating one or more updated UE-side latency parameters, where the one or more UE-side latency parameters are updated based on one or more UE conditions.

[0162] In some examples, the capability signaling includes a first set of one or more UE-side latency parameters associated with performing beam prediction operations within a communication cell, and a second set of UE-side latency parameters associated with performing beam prediction operations across multiple communication cells.

[0163] In some examples, the network-side additional conditions identifier corresponds to an associated ID. In some examples, the UE performs the second beam prediction operation in accordance with the one or more UE-side latency parameters based on the first active beam prediction operation and the second beam prediction operation both corresponding to the associated ID.

[0164] In some examples, the first active beam prediction operation is associated with a first location and. In some examples, the second beam prediction operation is associated with a second location.

[0165] In some examples, the network-side additional conditions identifier includes an indication of: a quantity of prediction targets, a quantity of measurement resources, one or more prediction target indices, one or more measurement resource indices, a prediction target order, a measurement resource order, one or more absolute pointing directions, one or more relative pointing directions, beam shapes, one or more quasi-colocation relationships within a set of prediction target beams, one or more quasi-colocation relationships within a set of measurement resource beams, one or more quasi-colocation relationship between the set of prediction target beams and the set of measurement resource beams, a periodicity of prediction targets, a periodicity of measurement resources, one or more future occasions for performing temporal beam prediction, or any combination thereof.

[0166] FIG. 8 shows a diagram of a system 800 including a device 805 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The device 805 may be an example of or include components of a device 505, a device 605, or a UE 115 as described herein. The device 805 may communicate (e.g., wirelessly) with one or more other devices (e.g., network entities 105, UEs 115, or a combination thereof) . The device 805 may include components for bi-directional voice and data communications including components for transmitting and receiving communications, such as a communications manager 820, an input / output (I / O) controller, such as an I / O controller 810, a transceiver 815, one or more antennas 825, at least one memory 830, code 835, and at least one processor 840. These components may be in electronic communication or otherwise coupled (e.g., operatively, communicatively, functionally, electronically, electrically) via one or more buses (e.g., a bus 845) .

[0167] The I / O controller 810 may manage input and output signals for the device 805. The I / O controller 810 may also manage peripherals not integrated into the device 805. In some cases, the I / O controller 810 may represent a physical connection or port to an external peripheral. In some cases, the I / O controller 810 may utilize an operating  system such as or another known operating system. Additionally, or alternatively, the I / O controller 810 may represent or interact with a modem, a keyboard, a mouse, a touchscreen, or a similar device. In some cases, the I / O controller 810 may be implemented as part of one or more processors, such as the at least one processor 840. In some cases, a user may interact with the device 805 via the I / O controller 810 or via hardware components controlled by the I / O controller 810.

[0168] In some cases, the device 805 may include a single antenna. However, in some other cases, the device 805 may have more than one antenna, which may be capable of concurrently transmitting or receiving multiple wireless transmissions. The transceiver 815 may communicate bi-directionally via the one or more antennas 825 using wired or wireless links as described herein. For example, the transceiver 815 may represent a wireless transceiver and may communicate bi-directionally with another wireless transceiver. The transceiver 815 may also include a modem to modulate the packets, to provide the modulated packets to one or more antennas 825 for transmission, and to demodulate packets received from the one or more antennas 825. The transceiver 815, or the transceiver 815 and one or more antennas 825, may be an example of a transmitter 515, a transmitter 615, a receiver 510, a receiver 610, or any combination thereof or component thereof, as described herein.

[0169] The at least one memory 830 may include random access memory (RAM) and read-only memory (ROM) . The at least one memory 830 may store computer-readable, computer-executable, or processor-executable code, such as the code 835. The code 835 may include instructions that, when executed by the at least one processor 840, cause the device 805 to perform various functions described herein. The code 835 may be stored in a non-transitory computer-readable medium such as system memory or another type of memory. In some cases, the code 835 may not be directly executable by the at least one processor 840 but may cause a computer (e.g., when compiled and executed) to perform functions described herein. In some cases, the at least one memory 830 may include, among other things, a basic I / O system (BIOS) which may control basic hardware or software operation such as the interaction with peripheral components or devices.

[0170] The at least one processor 840 may include one or more intelligent hardware devices (e.g., one or more general-purpose processors, one or more DSPs, one or more CPUs, one or more GPUs, one or more NPUs (also referred to as neural network processors or deep learning processors (DLPs) ) , one or more microcontrollers, one or more ASICs, one or more FPGAs, one or more programmable logic devices, discrete gate or transistor logic, one or more discrete hardware components, or any combination thereof) . In some cases, the at least one processor 840 may be configured to operate a memory array using a memory controller. In some other cases, a memory controller may be integrated into the at least one processor 840. The at least one processor 840 may be configured to execute computer-readable instructions stored in a memory (e.g., the at least one memory 830) to cause the device 805 to perform various functions (e.g., functions or tasks supporting reporting latency capabilities for multiple beam prediction models with identical associated IDs) . For example, the device 805 or a component of the device 805 may include at least one processor 840 and at least one memory 830 coupled with or to the at least one processor 840, the at least one processor 840 and the at least one memory 830 configured to perform various functions described herein.

[0171] In some examples, the at least one processor 840 may include multiple processors and the at least one memory 830 may include multiple memories. One or more of the multiple processors may be coupled with one or more of the multiple memories, which may, individually or collectively, be configured to perform various functions described herein. In some examples, the at least one processor 840 may be a component of a processing system, which may refer to a system (such as a series) of machines, circuitry (including, for example, one or both of processor circuitry (which may include the at least one processor 840) and memory circuitry (which may include the at least one memory 830) ) , or components, that receives or obtains inputs and processes the inputs to produce, generate, or obtain a set of outputs. The processing system may be configured to perform one or more of the functions described herein. For example, the at least one processor 840 or a processing system including the at least one processor 840 may be configured to, configurable to, or operable to cause the device 805 to perform one or more of the functions described herein. Further, as described herein, being “configured to, ” being “configurable to, ” and being “operable to” may be used interchangeably and may be associated with a capability, when executing code 835  (e.g., processor-executable code) stored in the at least one memory 830 or otherwise, to perform one or more of the functions described herein.

[0172] The communications manager 820 may support wireless communications in accordance with examples as disclosed herein. For example, the communications manager 820 is capable of, configured to, or operable to support a means for reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier. The communications manager 820 is capable of, configured to, or operable to support a means for performing the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0173] By including or configuring the communications manager 820 in accordance with examples as described herein, the device 805 may support techniques for reduced latency and improved user experience related to reduced processing, reduced power consumption, more efficient utilization of communication resources, and improved utilization of processing capability.

[0174] In some examples, the communications manager 820 may be configured to perform various operations (e.g., receiving, monitoring, transmitting) using or otherwise in cooperation with the transceiver 815, the one or more antennas 825, or any combination thereof. Although the communications manager 820 is illustrated as a separate component, in some examples, one or more functions described with reference to the communications manager 820 may be supported by or performed by the at least one processor 840, the at least one memory 830, the code 835, or any combination thereof. For example, the code 835 may include instructions executable by the at least one processor 840 to cause the device 805 to perform various aspects of reporting latency capabilities for multiple beam prediction models with identical associated IDs as described herein, or the at least one processor 840 and the at least one memory 830 may be otherwise configured to, individually or collectively, perform or support such operations.

[0175] FIG. 9 shows a flowchart illustrating a method 900 that supports reporting latency capabilities for multiple beam prediction models with identical associated identifiers in accordance with one or more aspects of the present disclosure. The operations of the method 900 may be implemented by a UE or its components as described herein. For example, the operations of the method 900 may be performed by a UE 115 as described with reference to FIGs. 1 through 8. In some examples, a UE may execute a set of instructions to control the functional elements of the UE to perform the described functions. Additionally, or alternatively, the UE may perform aspects of the described functions using special-purpose hardware.

[0176] At 905, the method may include reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier. The operations of 905 may be performed in accordance with examples as disclosed herein. In some examples, aspects of the operations of 905 may be performed by a capability signaling component 725 as described with reference to FIG. 7.

[0177] At 910, the method may include performing the second beam prediction operation in accordance with the one or more UE-side latency parameters. The operations of 910 may be performed in accordance with examples as disclosed herein. In some examples, aspects of the operations of 910 may be performed by a beam prediction component 730 as described with reference to FIG. 7.

[0178] The following provides an overview of aspects of the present disclosure:

[0179] Aspect 1: A method for wireless communications at a UE, comprising: reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier; and performing the second beam prediction operation in accordance with the one or more UE-side latency parameters.

[0180] Aspect 2: The method of aspect 1, wherein the first active beam prediction operation comprises predicting one or more channel characteristics associated with a first set of prediction targets, and the second beam prediction operation comprises predicting the one or more channel characteristics associated with a second set of prediction targets.

[0181] Aspect 3: The method of any of aspects 1 through 2, wherein performing the second beam prediction operation further comprises: generating a first set of predicted measurement resources in accordance with the first active beam prediction operation and a first set of prediction inputs; generating a second set of predicted measurement resources in accordance with the second beam prediction operation and a second set of prediction inputs; and transmitting a feedback report including the first set of predicted measurement resources and the second set of predicted measurement resources.

[0182] Aspect 4: The method of any of aspects 1 through 3, wherein the capability signaling comprises a plurality of pairs of UE-side latency parameters, a first parameter of each pair of UE-side latency parameters is associated with a loading operation at the UE, and a second parameter of each pair of UE-side latency parameters is associated with performing the second beam prediction operation.

[0183] Aspect 5: The method of aspect 4, wherein a first pair of the plurality of pairs of UE-side latency parameters is a default pair, the method further comprising: transmitting control signaling indicating one of the plurality of pairs of UE-side latency parameters other than the default pair for performing the second beam prediction operation based at least in part on one or more UE conditions.

[0184] Aspect 6: The method of any of aspects 1 through 5, wherein the capability signaling indicates a value of zero for a first parameter of the one or more UE-side latency parameters associated with a loading operation at the UE, the method further comprising: indicating, via the capability signaling, that the UE is not capable of performing simultaneous beam prediction operations.

[0185] Aspect 7: The method of any of aspects 1 through 6, wherein a subset of the one or more UE-side latency parameters indicates whether the UE is capable of performing the first active beam prediction operation and the second beam prediction operation simultaneously.

[0186] Aspect 8: The method of aspect 7, wherein performing the second beam prediction operation further comprises: performing the first active beam prediction operation based at least in part on receiving a first beam prediction request; receiving a second beam prediction request prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations; and performing the second beam prediction operation based at least in part on receiving the second beam prediction request.

[0187] Aspect 9: The method of any of aspects 7 through 8, wherein performing the second beam prediction operation further comprises: refraining from performing the second beam prediction operation prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations.

[0188] Aspect 10: The method of any of aspects 7 through 9, wherein performing the second beam prediction operation further comprises: performing the first active beam prediction operation using a processing unit of the UE based at least in part on receiving a first beam prediction request; and refraining from performing the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations.

[0189] Aspect 11: The method of any of aspects 7 through 10, wherein performing the second beam prediction operation further comprises: performing, for a first duration, the first active beam prediction operation using a processing unit of the UE based at least in part on receiving a first beam prediction request; and performing, for a second duration, the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations, wherein the second duration at least partially overlaps with the first duration.

[0190] Aspect 12: The method of any of aspects 1 through 11, wherein the one or more UE-side latency parameters are based at least in part on the network-side additional conditions identifier, the method further comprising: reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier.

[0191] Aspect 13: The method of any of aspects 1 through 12, wherein the one or more UE-side latency parameters are based at least in part on the network-side additional conditions identifier, the method further comprising: reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier, wherein the third beam prediction operation is associated with a different complexity than the second beam prediction operation.

[0192] Aspect 14: The method of any of aspects 1 through 13, further comprising: reporting second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier.

[0193] Aspect 15: The method of any of aspects 1 through 14, wherein a subset of the one or more UE-side latency parameters indicates a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier that the UE is capable of performing simultaneously.

[0194] Aspect 16: The method of any of aspects 1 through 15, further comprising: reporting updated capability signaling indicating one or more updated UE-side latency parameters, wherein the one or more UE-side latency parameters are updated based at least in part on one or more UE conditions.

[0195] Aspect 17: The method of any of aspects 1 through 16, wherein the capability signaling includes a first set of one or more UE-side latency parameters associated with performing beam prediction operations within a communication cell, and a second set of UE-side latency parameters associated with performing beam prediction operations across multiple communication cells.

[0196] Aspect 18: The method of any of aspects 1 through 17, wherein the network-side additional conditions identifier corresponds to an associated ID, and the UE performs the second beam prediction operation in accordance with the one or more UE-side latency parameters based at least in part on the first active beam prediction operation and the second beam prediction operation both corresponding to the associated ID.

[0197] Aspect 19: The method of any of aspects 1 through 18, wherein the first active beam prediction operation is associated with a first location and the second beam prediction operation is associated with a second location.

[0198] Aspect 20: The method of any of aspects 1 through 19, wherein the network-side additional conditions identifier comprises an indication of: a quantity of prediction targets, a quantity of measurement resources, one or more prediction target indices, one or more measurement resource indices, a prediction target order, a measurement resource order, one or more absolute pointing directions, one or more relative pointing directions, beam shapes, one or more quasi-colocation relationships within a set of prediction target beams, one or more quasi-colocation relationships within a set of measurement resource beams, one or more quasi-colocation relationship between the set of prediction target beams and the set of measurement resource beams, a periodicity of prediction targets, a periodicity of measurement resources, one or more future occasions for performing temporal beam prediction, or any combination thereof.

[0199] Aspect 21: A UE for wireless communications, comprising one or more memories storing processor-executable code, and one or more processors coupled with (e.g., operatively, communicatively, functionally, electronically, or electrically) the one or more memories and individually or collectively operable to execute the code (e.g., directly, indirectly, after pre-processing, without pre-processing) to cause the UE to perform a method of any of aspects 1 through 20.

[0200] Aspect 22: A UE for wireless communications, comprising at least one means for performing a method of any of aspects 1 through 20.

[0201] Aspect 23: A non-transitory computer-readable medium storing code for wireless communications, the code comprising instructions executable by one or more  processors (e.g., directly, indirectly, after pre-processing, without pre-processing) to perform a method of any of aspects 1 through 20.

[0202] It should be noted that the methods described herein describe possible implementations. The operations and the steps may be rearranged or otherwise modified and other implementations are possible. Further, aspects from two or more of the methods may be combined.

[0203] Although aspects of an LTE, LTE-A, LTE-A Pro, or NR system may be described for purposes of example, and LTE, LTE-A, LTE-A Pro, or NR terminology may be used in much of the description, the techniques described herein are applicable beyond LTE, LTE-A, LTE-A Pro, or NR networks. For example, the described techniques may be applicable to various other wireless communications systems such as Ultra Mobile Broadband (UMB) , Institute of Electrical and Electronics Engineers (IEEE) 802.11 (Wi-Fi) , IEEE 802.16 (WiMAX) , IEEE 802.20, Flash-OFDM, as well as other systems and radio technologies, including future systems and radio technologies, not explicitly mentioned herein.

[0204] Information and signals described herein may be represented using any of a variety of different technologies and techniques. For example, data, instructions, commands, information, signals, bits, symbols, and chips that may be referenced throughout the description may be represented by voltages, currents, electromagnetic waves, magnetic fields or particles, optical fields or particles, or any combination thereof.

[0205] The various illustrative blocks and components described in connection with the disclosure herein may be implemented or performed using a general-purpose processor, a DSP, an ASIC, a CPU, a graphics processing unit (GPU) , a neural processing unit (NPU) , an FPGA or other programmable logic device, discrete gate or transistor logic, discrete hardware components, or any combination thereof designed to perform the functions described herein. A general-purpose processor may be a microprocessor but, in the alternative, the processor may be any processor, controller, microcontroller, or state machine. A processor may also be implemented as a combination of computing devices (e.g., a combination of a DSP and a microprocessor, multiple microprocessors, one or more microprocessors in conjunction with a DSP core,  or any other such configuration) . Any functions or operations described herein as being capable of being performed by a processor may be performed by multiple processors that, individually or collectively, are capable of performing the described functions or operations.

[0206] The functions described herein may be implemented using hardware, software executed by a processor, or any combination thereof. Software shall be construed broadly to mean instructions, instruction sets, code, code segments, program code, programs, subprograms, software modules, applications, software applications, software packages, routines, subroutines, objects, executables, threads of execution, procedures, or functions, whether referred to as software, firmware, middleware, microcode, hardware description language, or otherwise. If implemented using software executed by a processor, the functions may be stored as or transmitted using one or more instructions or code of a computer-readable medium. Other examples and implementations are within the scope of the disclosure and appended claims. For example, due to the nature of software, functions described herein may be implemented using software executed by a processor, hardware, hardwiring, or combinations of any of these. Features implementing functions may also be physically located at various positions, including being distributed such that portions of functions are implemented at different physical locations.

[0207] Computer-readable media includes both non-transitory computer storage media and communication media including any medium that facilitates transfer of a computer program from one location to another. A non-transitory storage medium may be any available medium that may be accessed by a general-purpose or special-purpose computer. By way of example, and not limitation, non-transitory computer-readable media may include RAM, ROM, electrically erasable programmable ROM (EEPROM) , flash memory, phase change memory, compact disk (CD) ROM or other optical disk storage, magnetic disk storage or other magnetic storage devices, or any other non-transitory medium that may be used to carry or store desired program code means in the form of instructions or data structures and that may be accessed by a general-purpose or special-purpose computer or a general-purpose or special-purpose processor. Also, any connection is properly termed a computer-readable medium. For example, if the software is transmitted from a website, server, or other remote source using a coaxial  cable, fiber optic cable, twisted pair, digital subscriber line (DSL) , or wireless technologies such as infrared, radio, and microwave, then the coaxial cable, fiber optic cable, twisted pair, DSL, or wireless technologies such as infrared, radio, and microwave are included in the definition of computer-readable medium. Disk and disc, as used herein, include CD, laser disc, optical disc, digital versatile disc (DVD) , floppy disk, and Blu-ray disc. Disks may reproduce data magnetically, and discs may reproduce data optically using lasers. Combinations of the above are also included within the scope of computer-readable media. Any functions or operations described herein as being capable of being performed by a memory may be performed by multiple memories that, individually or collectively, are capable of performing the described functions or operations.

[0208] As used herein, including in the claims, “or” as used in a list of items (e.g., including a list of items prefaced by a phrase such as “at least one of” or “one or more of”) indicates an inclusive list such that, for example, a list of at least one of A, B, or C means, e.g., A or B or C or AB or AC or BC or ABC (i.e., A and B and C) . Also, as used herein, the phrase “based on” shall not be construed as a reference to a closed set of conditions. For example, an example step that is described as “based on condition A” may be based on both a condition A and a condition B without departing from the scope of the present disclosure. In other words, as used herein, the phrase “based on” shall be construed in the same manner as the phrase “based at least in part on. ” As used herein, the term “and / or, ” when used in a list of two or more items, means that any one of the listed items can be employed by itself, or any combination of two or more of the listed items can be employed. For example, if a composition is described as containing components A, B, and / or C, the composition can contain A alone; B alone; C alone; A and B in combination; A and C in combination; B and C in combination; or A, B, and C in combination.

[0209] As used herein, including in the claims, the article “a” before a noun is open-ended and understood to refer to “at least one” of those nouns or “one or more” of those nouns. Thus, the terms “a, ” “at least one, ” “one or more, ” and “at least one of one or more” may be interchangeable. For example, if a claim recites “a component” that performs one or more functions, each of the individual functions may be performed by a single component or by any combination of multiple components. Thus, the term “a  component” having characteristics or performing functions may refer to “at least one of one or more components” having a particular characteristic or performing a particular function. Subsequent reference to a component introduced with the article “a” using the terms “the” or “said” may refer to any or all of the one or more components. For example, a component introduced with the article “a” may be understood to mean “one or more components, ” and referring to “the component” subsequently in the claims may be understood to be equivalent to referring to “at least one of the one or more components. ” Similarly, subsequent reference to a component introduced as “one or more components” using the terms “the” or “said” may refer to any or all of the one or more components. For example, referring to “the one or more components” subsequently in the claims may be understood to be equivalent to referring to “at least one of the one or more components. ”

[0210] The term “determine” or “determining” or “identify” or “identifying” encompasses a variety of actions and, therefore, “determining” or “identifying” can include calculating, computing, processing, deriving, investigating, looking up (such as via looking up in a table, a database or another data structure) , ascertaining and the like. Also, “determining” or “identifying” can include receiving (such as receiving information or signaling, e.g., receiving information or signaling for determining, receiving information or signaling for identifying) , accessing (such as accessing data in a memory, or accessing information) and the like. Also, “determining” or “identifying” can include resolving, obtaining, selecting, choosing, establishing and other such similar actions.

[0211] In the appended figures, similar components or features may have the same reference label. Further, various components of the same type may be distinguished by following the reference label by a dash and a second label that distinguishes among the similar components. If just the first reference label is used in the specification, the description is applicable to any one of the similar components having the same first reference label irrespective of the second reference label or other subsequent reference label.

[0212] The description set forth herein, in connection with the appended drawings, describes example configurations and does not represent all the examples that may be implemented or that are within the scope of the claims. The term “example” used herein  means “serving as an example, instance, or illustration” and not “preferred” or “advantageous over other examples. ” The detailed description includes specific details for the purpose of providing an understanding of the described techniques. These techniques, however, may be practiced without these specific details. In some figures, known structures and devices are shown in block diagram form in order to avoid obscuring the concepts of the described examples.

[0213] The description herein is provided to enable a person having ordinary skill in the art to make or use the disclosure. Various modifications to the disclosure will be apparent to a person having ordinary skill in the art, and the generic principles defined herein may be applied to other variations without departing from the scope of the disclosure. Thus, the disclosure is not limited to the examples and designs described herein but is to be accorded the broadest scope consistent with the principles and novel features disclosed herein.

Claims

1.A user equipment (UE) , comprising:one or more memories storing processor-executable code; andone or more processors coupled with the one or more memories and individually or collectively operable to execute the code to cause the UE to:report capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier; andperform the second beam prediction operation in accordance with the one or more UE-side latency parameters.2.The UE of claim 1, wherein the first active beam prediction operation comprises predicting one or more channel characteristics associated with a first set of prediction targets, and wherein the second beam prediction operation comprises predicting the one or more channel characteristics associated with a second set of prediction targets.3.The UE of claim 1, wherein, to perform the second beam prediction operation, the one or more processors are individually or collectively further operable to execute the code to cause the UE to:generate a first set of predicted measurement resources in accordance with the first active beam prediction operation and a first set of prediction inputs;generate a second set of predicted measurement resources in accordance with the second beam prediction operation and a second set of prediction inputs, ; andtransmit a feedback report including the first set of predicted measurement resources and the second set of predicted measurement resources.4.The UE of claim 1, wherein the capability signaling comprises a plurality of pairs of UE-side latency parameters, wherein a first parameter of each pair of UE-side latency parameters is associated with a loading operation at the UE, and  wherein a second parameter of each pair of UE-side latency parameters is associated with performing the second beam prediction operation.5.The UE of claim 4, wherein a first pair of the plurality of pairs of UE-side latency parameters is a default pair, and the one or more processors are individually or collectively further operable to execute the code to cause the UE to:transmit control signaling indicating one of the plurality of pairs of UE-side latency parameters other than the default pair for performing the second beam prediction operation based at least in part on one or more UE conditions.6.The UE of claim 1, wherein the capability signaling indicates a value of zero for a first parameter of the one or more UE-side latency parameters associated with a loading operation at the UE, and the one or more processors are individually or collectively further operable to execute the code to cause the UE to:indicate, via the capability signaling, that the UE is not capable of performing simultaneous beam prediction operations.7.The UE of claim 1, wherein a subset of the one or more UE-side latency parameters indicates whether the UE is capable of performing the first active beam prediction operation and the second beam prediction operation simultaneously.8.The UE of claim 7, wherein, to perform the second beam prediction operation, the one or more processors are individually or collectively further operable to execute the code to cause the UE to:perform the first active beam prediction operation based at least in part on receiving a first beam prediction request;receive a second beam prediction request prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations; andperform the second beam prediction operation based at least in part on receiving the second beam prediction request.9.The UE of claim 7, wherein, to perform the second beam prediction operation, the one or more processors are individually or collectively further operable to execute the code to cause the UE to:refrain from performing the second beam prediction operation prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations.10.The UE of claim 7, wherein, to perform the second beam prediction operation, the one or more processors are individually or collectively further operable to execute the code to cause the UE to:perform the first active beam prediction operation using a processing unit of the UE based at least in part on receiving a first beam prediction request; andrefrain from performing the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations.11.The UE of claim 7, wherein, to perform the second beam prediction operation, the one or more processors are individually or collectively further operable to execute the code to cause the UE to:perform, for a first duration, the first active beam prediction operation using a processing unit of the UE based at least in part on receiving a first beam prediction request; andperform, for a second duration, the second beam prediction operation using the processing unit of the UE prior to completing the first active beam prediction operation in accordance with the one or more UE-side latency parameters indicating whether the UE is capable of performing simultaneous beam prediction operations, wherein the second duration at least partially overlaps with the first duration.12.The UE of claim 1, wherein the one or more UE-side latency parameters are based at least in part on the network-side additional conditions identifier, and the one or more processors are individually or collectively further operable to execute the code to cause the UE to:report second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier.13.The UE of claim 1, wherein the one or more UE-side latency parameters are based at least in part on the network-side additional conditions identifier, and the one or more processors are individually or collectively further operable to execute the code to cause the UE to:report second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a third beam prediction operation corresponding to a second network-side additional conditions identifier, wherein the third beam prediction operation is associated with a different complexity than the second beam prediction operation.14.The UE of claim 1, wherein the one or more processors are individually or collectively further operable to execute the code to cause the UE to:report second capability signaling indicating a second set of one or more UE-side latency parameters associated with performing a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier.15.The UE of claim 1, wherein a subset of the one or more UE-side latency parameters indicates a quantity of beam prediction operations each corresponding to the same network-side additional conditions identifier that the UE is capable of performing simultaneously.16.The UE of claim 1, wherein the one or more processors are individually or collectively further operable to execute the code to cause the UE to:report updated capability signaling indicating one or more updated UE-side latency parameters, wherein the one or more UE-side latency parameters are updated based at least in part on one or more UE conditions.17.The UE of claim 1, wherein the capability signaling includes a first set of one or more UE-side latency parameters associated with performing beam prediction operations within a communication cell, and a second set of UE-side latency  parameters associated with performing beam prediction operations across multiple communication cells.18.The UE of claim 1, wherein the network-side additional conditions identifier corresponds to an associated identifier, and wherein the UE performs the second beam prediction operation in accordance with the one or more UE-side latency parameters based at least in part on the first active beam prediction operation and the second beam prediction operation both corresponding to the associated identifier.19.The UE of claim 1, wherein the first active beam prediction operation is associated with a first location and wherein the second beam prediction operation is associated with a second location.20.The UE of claim 1, wherein the network-side additional conditions identifier comprises an indication of:a quantity of prediction targets, a quantity of measurement resources, one or more prediction target indices, one or more measurement resource indices, a prediction target order, a measurement resource order, one or more absolute pointing directions, one or more relative pointing directions, beam shapes, one or more quasi-colocation relationships within a set of prediction target beams, one or more quasi-colocation relationships within a set of measurement resource beams, one or more quasi-colocation relationship between the set of prediction target beams and the set of measurement resource beams, a periodicity of prediction targets, a periodicity of measurement resources, one or more future occasions for performing temporal beam prediction, or any combination thereof.21.A method for wireless communications at a user equipment (UE) , comprising:reporting capability signaling indicating one or more UE-side latency parameters associated with performing, subsequent to a first active beam prediction operation corresponding to a network-side additional conditions identifier, a second beam prediction operation corresponding to a same network-side additional conditions identifier; andperforming the second beam prediction operation in accordance with the one or more UE-side latency parameters.

Images