摘要
扩散模型是当前生成式AI领域的核心技术之一，在图像生成、音频合成、分子设计等领域展现出卓越性能。本文从数学原理出发，系统梳理扩散模型的前向过程、逆向过程、训练目标与采样策略，并提供一个完整可运行的PyTorch代码实现。文章涵盖DDPM（Denoising Diffusion Probabilistic Models）的核心细节，包括噪声调度、损失函数设计、采样加速技巧以及训练与推理中的常见陷阱。通过本文，读者能够独立实现一个简单的扩散模型，并理解其背后的严谨数学逻辑。
应用场景
扩散模型广泛应用于以下领域：
- 图像生成与编辑：如DALL-E 2、Stable Diffusion、Imagen等主流文生图模型均基于扩散架构。
- 超分辨率与图像修复：利用条件扩散模型实现高保真度的图像恢复。
- 音频与语音合成：DiffWave、WaveGrad等模型在语音生成中表现优异。
- 分子构象生成：在药物发现中生成3D分子结构。
- 时序数据生成：如金融时间序列、气象数据等连续信号生成。
核心原理
扩散模型的核心思想是通过一个马尔可夫链逐步向数据添加噪声（前向过程），然后学习一个逆向过程从噪声中恢复数据。其数学基础建立在非平衡热力学中的扩散过程之上。
前向过程
给定原始数据分布 q(x0)，前向过程定义一个马尔可夫链，在T步内逐渐向数据添加高斯噪声：
q(xt | xt-1) = N(xt; sqrt(