摘要
扩散模型（Diffusion Models）是当前生成式AI领域最核心的技术之一，在图像生成、音频合成、分子设计等领域展现出超越GAN和VAE的生成质量。本文从数学原理出发，逐步推导扩散过程与逆扩散过程，并给出一个完整可运行的PyTorch代码实现（基于DDPM框架）。文章涵盖前向加噪、后向去噪、损失函数设计、采样策略等关键环节，同时总结训练和推理中的常见陷阱与解决方案。全文无冗余配图，所有公式和代码均经过严格验证，适合有一定深度学习基础的读者系统性掌握扩散模型。
应用场景
扩散模型目前已在以下场景中落地并取得显著效果：
- 图像生成与编辑：如DALL·E 2、Stable Diffusion、Midjourney等，支持文生图、图生图、图像修复、超分辨率等任务。
- 音频生成：如AudioLDM、DiffWave，用于语音合成、音乐生成、音效设计。
- 视频生成：如Video Diffusion Model，实现文本到视频的生成。
- 分子构象生成：在药物发现中生成3D分子结构。
- 时序数据预测：在金融、气象等领域生成未来时间序列样本。
核心原理
扩散模型的核心思想是：通过一个固定的马尔可夫链（前向过程）逐步向数据中添加高斯噪声，直到数据完全变成纯噪声；然后学习一个参数化的逆过程，从纯噪声中逐步恢复出原始数据。
前向扩散过程
给定原始数据 ( x_0 \sim q(x_0) )，前向过程定义为一个T步的马尔可