我的问题是回归/分类，还需要用扩散模型吗？

通常不需要。扩散擅长生成一整簇合理候选，而回归/分类要的是单个最优答案。数据够用时优先判别模型；只有当你要生成新分子、新构象、新图像再筛选时，扩散才是主力。

扩散模型是不是全面碾压 GAN 和 VAE？

不是，任务依赖。扩散在样本质量、训练稳定性、条件控制上常占优，但采样慢、算力贵。需要极致速度且质量要求一般时，VAE/GAN 仍可能更合适。

扩散模型只能生成图像吗？

不。扩散框架对任意可加噪、可去噪的对象都成立——分子坐标、蛋白主链帧、密度图、隐空间向量都能扩。

这一章要学会推导公式吗？

不要。第1章只建立坐标系与选型直觉，公式仅用于看论文时符号对号入座，完整推导在第2、3章展开。

扩散模型教程第1章：生成直觉与问题设定

本章是系列第 1 章：只建立生成直觉与选型坐标系——扩散模型解决什么问题、和 VAE/GAN 差在哪、生物里何时值得用。不推导 DDPM、不讲采样调参。 面向读者：生物学 / 生物信息学背景，不要求计算机科班基础。若你刚学完强化学习，本章会主动帮你把两套概念划清边界。系列内：机制与三式见第 2 章前向加噪与反向去噪与第 3 章 DDPM 三式精讲；模型清单见扩散模型导航。

0. 你要带走的三句话

如果这一章你只记三句，记这三句：

生成模型的任务：从”已有数据的分布”里，学会再造出”像真的一样、又不完全照抄”的新样本。它要的不是一个标准答案，是一整片合理解。
扩散模型的核心直觉：先把数据一步步”搅成噪声”，再训练网络学会”一步步把噪声还原成数据”——像冲洗照片时影像慢慢显现，而不是一次印出整张。
为什么很多人转向它：相对 VAE 往往更清晰、相对 GAN 训练更稳、对”给定条件再生成”更友好；代价是采样慢、算力更贵——所以它用在”质量 / 可控性优先”的任务上最划算。

这三句是全章的骨架，后面每一节都在给其中一句填细节。读完回头看，你应该能对每句话补上”为什么”和”在生物里意味着什么”。

1. 本章目标与验收标准

学完本章，你应能在不看笔记的情况下完成下列自检：

用自己的话说清”生成 ≠ 回归”：扩散输出的是分布上的一簇样本，不是单个最优答案。
从质量、多样性、稳定性、速度、条件控制五个维度，口述 VAE / GAN / 扩散的差异。
举出你所在领域的一个任务，判断它”是否更像扩散场景”。
说出扩散全链条 9 步各自的主题（表示 → 加噪 → 网络 → 损失 → 训练 → 采样 → 条件 → 评估 → 下游）。
用 Go/No-Go 清单判断一个具体课题”先别急着上扩散”还是”值得一试”。

字数与深度定位：入门坐标章（约 8500–12000 汉字）。不推导公式、不训练模型、不抄导航页的模型大全。

2. 这一章解决什么问题（Why）

2.1 生物学里的”生成”长什么样

很多组学与结构问题，表面上写着”预测”，底层其实是生成或条件生成：

你习惯的说法	更准确的生成表述	输入（条件）	输出（样本）
设计能结合某口袋的小分子	在口袋条件下生成 3D 分子	蛋白口袋结构	分子构型 / 坐标
设计新蛋白骨架	无条件或条件生成主链	可选功能 / 二级结构约束	主链坐标帧
对接姿态从哪来	生成配体相对蛋白的位姿分布	蛋白 + 配体	多个候选姿态
显微图太少 / 缺标注	生成或补全真实风格图像	类别、掩膜、文本描述	图像
缺失组学特征	在约束下补全或增强样本	部分观测、批次信息	完整向量 / 矩阵

关键区分（评估章会反复用到）：

判别 / 回归：给输入，输出一个”最好答案”（如结合亲和力分数）。
生成：给条件（或无条件），输出一整个分布上的样本——同一个问题可以有很多合理解。

扩散模型强在后者。你在药物设计、蛋白工程里真正需要的，往往不是唯一最优结构，而是一簇合理、可筛选的候选。

一个具体情景能把这层区别钉死。假设你手上有一个新靶点的口袋结构，任务是”找能结合它的分子”。用回归的思路，你会训练一个模型：输入分子、输出预测亲和力，然后在已有化合物库里排序打分。这条路没错，但它有个天花板——你永远只能从库里挑，挑不出库里没有的东西。而用生成的思路，你训练模型去”理解结合这类口袋的分子长什么样”，然后让它从零画出一批库里从未有过、但化学上合理、几何上贴合口袋的新分子。前者是”检索 + 排序”，后者是”设计 + 生成”。真正的 de novo 药物设计需要后者，而扩散模型是当前做后者最稳的工具之一。

再强调一次这里的”多解”性质。同一个口袋，可能有完全不同的分子骨架都能结合（一个靠氢键网络、一个靠疏水堆叠）。回归模型被迫给每个分子一个分数，天然倾向于收敛到”平均意义上的好答案”；而好的生成模型应该能同时覆盖这几种不同的结合模式，给你一个多样的候选池，让后续的对接、合成可行性、湿实验去筛。这就是为什么”多样性”在生成任务里是一等公民，而在回归任务里几乎不被讨论。

2.2 为什么不直接”记答案”或只用回归

候选空间极大：分子图、构象、序列—结构映射的组合是天文数字。
真值往往多峰：同一个口袋可以有多种结合模式，硬套一个”平均答案”反而谁都不像。
实验数据稀疏、噪声大：需要模型在”像训练数据”的前提下，探索合理的新组合。

所以我们需要概率生成模型：显式或隐式地刻画 $p(\text{数据})$ 或条件分布 $p(\text{数据}\mid\text{条件})$ ，再从中采样。

3. 直觉图 + 生物向类比

3.1 一句话类比

扩散 ≈ 把一滴墨水在清水里搅匀（前向），再学”倒放录像”把墨水收回原来的形状（反向）。

网络不负责一次画出整只分子 / 整张细胞图，它只负责一件小事：在任意模糊程度下，判断”下一步该怎么变清晰一点”。

flowchart LR
subgraph Forward["前向过程 固定 不训练"]
  X0["干净数据 x0<br/>分子/图像/结构"] --> X1["略糊"]
  X1 --> Xt["更糊"]
  Xt --> XT["近似纯噪声"]
end
subgraph Reverse["反向过程 网络学习"]
  ZT["随机噪声"] --> Zt["去一点噪"]
  Zt --> Z1["再清晰"]
  Z1 --> Z0["生成样本"]
end
Forward -.->|"训练时教网络如何去噪"| Reverse

前向加噪与反向去噪

3.2 和”PCR / 杂交洗脱”的松散类比

这个类比只帮你建立画面感，不是严格科学：

实验直觉	扩散对应
逐步升高严格性，背景信号被洗掉	前向：结构信息逐步被噪声淹没
在合适严格性下还能特异性结合	中间时间步：仍保留部分全局形状
从粗到细优化实验条件	反向：先恢复大形状，再补细节
一次到位的高通量筛选很难	单步直接生成难；多步迭代更稳

真正的机制是高斯加噪 + 学习去噪（或学习分数），第 2 章会展开最小公式。

3.3 “从噪声长出来”长什么样

t = T（纯噪声）   ████████████   看不出分子/细胞
t 中等            ░░██░░██░░░░   隐约轮廓、连通性
t 接近 0          清晰键角/纹理   细节到位
t = 0             可用样本        进入下游筛选

生物含义：

早期去噪步像在决定整体折叠拓扑 / 图像构图。
晚期去噪步像在精修侧链取向、局部纹理、键长键角合理性。
所以步数不够时常见”大形状对了、局部化学不合理”——这个现象会在第 6 章对应到具体的采样调参旋钮。

3.4 为什么非要”拆成很多小步”

这是扩散最反直觉、也最核心的一点，值得单独想清楚。VAE 和 GAN 都试图一步从噪声跳到成品——编码器解码器一来一回，或生成器一次前向。扩散偏偏把这件事拆成几十上百个小步。为什么”慢”反而成了优势？

关键在于每一步要学的东西变简单了。让网络”从纯噪声一步画出一只完整的、化学合理的分子”，这是一个极难的映射——输入几乎不含信息，输出却要满足大量约束。而让网络”把一个稍微有点糊的分子变清晰一点点”，这是个容易得多的局部任务。扩散把一个几乎不可能的大跳跃，分解成一长串每步都可学、可监督的小跳跃。这也解释了为什么它训练稳定：每一小步都是一个有明确目标（预测这一档噪声）的回归问题，没有 GAN 那种”目标一直在移动”的对抗博弈。

一个有用的类比：让你凭空写出一篇完美论文很难，但让你在一份接近完成的草稿上”再改进一点点”就容易多了。扩散采样就像从一张全是涂改的白纸开始，反复做”再润色一步”，直到成稿。代价当然是你要润色很多次（多步 = 慢），第 6 章讲的加速方法本质都在问：能不能每步跨大一点、从而少润色几次而不明显掉质量。

4. 生成模型三大家族：VAE / GAN / 扩散

这是本章最实用的一节。你不需要会推导任何一家，但要会用它们的差异做选型。

4.1 各自”怎么造样本”（直觉版）

家族	一句话机制	训练时主要在纠结什么	采样时
VAE	编码器压到潜变量，解码器重建；用 KL 把潜空间拉成简单分布	重建清晰度 vs 潜空间规整（后验崩塌等）	从简单分布抽 z，一次解码
GAN	生成器造假，判别器抓假，两者对抗	不稳定、模式崩塌、难收敛	一次前向生成（快）
扩散	固定加噪过程 + 学去噪 / 分数，多步还原	主要是算力与超参，对抗少	多步迭代（慢，可加速）

flowchart TB
subgraph VAE
  v1["数据"] --> v2["Encoder to z"]
  v2 --> v3["Decoder 重建"]
  v2 --> v4["对齐到 N(0,I)"]
end
subgraph GAN
  g1["噪声 z"] --> g2["Generator"]
  g2 --> g3["假样本"]
  g4["真样本"] --> g5["Discriminator"]
  g3 --> g5
  g5 --> g6["真/假对抗"]
end
subgraph Diffusion
  d1["x0"] --> d2["逐步加噪到 xT"]
  d3["噪声"] --> d4["逐步去噪到 x0"]
  d2 -.->|"监督信号"| d4
end

三大家族的生成路径

4.2 你真正关心的对比维度（生物选型表）

维度	VAE	GAN	扩散（现代主流）	生物里意味着什么
样本清晰度 / 保真	常偏糊	可以很锐	通常很高	结构细节、显微纹理要可信时倾向扩散
多样性	中等	易模式崩塌	通常较好	想要一库多样候选分子时重要
训练稳定性	相对稳	难调、易炸	相对稳（无双玩家对抗）	算力与人力有限时加分
似然 / 可解释概率	有 ELBO 下界	无显式似然	可连接分数 / SDE 视角	需要”密度”时另看指标，不必神话
条件控制	条件 VAE 可行	条件 GAN 可行但更脆	CFG 等很强	口袋、文本、属性条件生成友好
采样速度	快（1 步）	快（1 步）	慢（默认几十至千步）	高通量虚拟筛选要算账，可用蒸馏 / 少步法
实现与生态	成熟	成熟但坑多	2020 后生态爆发	预训练与开源实现多

4.3 三家族的”命门”各在哪（帮你记住机制）

对比表容易背，但真正要理解的是每家为什么会有它的强项和软肋。这里各给一句”命门”：

VAE 的命门是”信息瓶颈”。 它强制把数据压进一个低维、规整的潜空间再解码。压缩本身是优点（潜空间干净、可插值、采样一步到位），但也是它偏糊的根源——为了让潜空间规整（KL 项），解码器往往牺牲高频细节。所以 VAE 在”需要一个平滑、可操作的潜表示”时很香（很多扩散模型其实借用了 VAE 的潜空间，见第 5 章的隐空间扩散），但单独拿它做高保真生成常常不够锐。
GAN 的命门是”对抗博弈的不稳定”。 生成器和判别器互相追赶，没有一个稳定的、可以一路下降的损失函数。调好了它能出极锐的图，还快（一次前向）；调不好就模式崩塌（只会出几种样本）或直接训练发散。生物任务里数据往往不像自然图像那样海量干净，GAN 的调参脆弱性会被进一步放大。
扩散的命门是”多步迭代的成本”。 它把”一次生成”这个难题拆成几十上百个简单的去噪小步，每步只需网络回答”当前这点噪声该怎么擦”。这种拆分带来了训练稳定（每步都是有监督的回归，没有对抗）和强条件控制，但代价是采样要跑很多次网络前向。第 6 章讲的采样加速（DDIM、少步蒸馏）本质都在和这个命门作斗争。

记住这三句”命门”，你就能在任何新论文里快速定位它到底在优化哪一家的软肋。

4.4 为什么 2020 年后扩散”出圈”

不用背诵，记住这是四个历史坐标即可：

DDPM（Ho et al., 2020）：用简洁的噪声预测目标，在图像上做到与 GAN 比肩的质量，训练流程更工程友好。这是”扩散真正好用”的引爆点——在此之前，加噪—去噪的思想早在 2015 年（Sohl-Dickstein 等的非平衡热力学表述）就有了，但目标复杂、难复现。DDPM 的贡献是把训练简化成”预测噪声的均方误差”，让训练像回归一样稳。
Score-based / SDE 视角（Song 等）：把”去噪”和”分数匹配、随机微分方程”连起来，理论与采样器设计统一。这条线的价值是把离散的”加噪 T 步”提升成连续时间的随机微分方程，后来的各种高阶采样器（第 6 章）都建立在这个统一视角上。
条件与引导（含 Classifier-Free Guidance）：让”按文本 / 标签 / 结构条件生成”变得好用——这与生物里的条件设计高度同构。你想”对这个口袋设计分子""按这段掩膜补全图像”，靠的就是这套条件注入机制（第 6 章展开）。
加速与蒸馏（DDIM、一致性模型、LCM、Flow Matching 等）：不断减步数，缩小与 GAN 的速度差距。这条线还在快速演进，第 7 章会作为”替代路线”专门评估。

教学提示：入门阶段不必先啃 SDE。你只需记住——“多步去噪 + 稳训练 + 强条件”是扩散的产品力来源。这三点也正好对应上面四个坐标里最要紧的部分。

4.5 常见误区（先破再立）

误区	更准确的说法
”扩散一定全面碾压 GAN/VAE”	任务依赖：只要快、可接受中等质量，VAE/GAN 甚至更简单模型仍可能更合适
”扩散 = Stable Diffusion，只会做图”	框架对任意可加噪对象都成立；分子坐标、密度图、潜向量都能扩
”有扩散就不用物理 / 化学约束了”	生物里常要扩散 + 力场 / 对接 / ADMET / 实验反馈；生成是候选引擎不是终点
”步数越多一定越好”	有收益递减，且与调度器、是否 DDIM / 蒸馏强相关（第 6 章）
“学会公式就会用”	更关键的是数据表示、条件怎么喂、评估是否任务相关

5. 全链条鸟瞰（只认路，不深潜）

后面每一章会拆其中一步。这里先建立流水线地图，避免学算法时”只见树木不见森林”。

flowchart TB
P1["1 数据与表示<br/>点云/图/图像/潜向量"] --> P2["2 前向加噪调度<br/>T, beta schedule"]
P2 --> P3["3 网络架构<br/>U-Net / DiT / SE3"]
P3 --> P4["4 预测目标与损失<br/>eps / x0 / v"]
P4 --> P5["5 训练策略<br/>batch, EMA, 条件 dropout"]
P5 --> P6["6 采样<br/>步数, DDIM, 调度器"]
P6 --> P7["7 条件与引导<br/>CFG, 结构条件"]
P7 --> P8["8 评估与筛选<br/>任务指标 + 多样性"]
P8 --> P9["9 下游<br/>对接/合成可行性/实验"]

扩散全链条 9 步

5.1 每一步”为什么存在”（一句话版）

步骤	为什么需要	本章你只需记住	深讲章节
数据与表示	网络只能吃张量，分子 ≠ 天然像素	表示选错，后面全白搭	第 2、8 章
前向加噪	制造”从清晰到噪声”的连续课表	加噪规则通常固定不学	第 2 章
网络	在任意噪声水平预测”怎么还原”	骨干决定归纳偏置（2D/3D/等变）	第 2、5 章
损失	告诉网络对错	常见是预测噪声，简单好用	第 2、3 章
采样	从噪声走回数据	质量—速度权衡的主战场	第 6 章
条件 / 引导	不要随机药，要”对这个靶点的药”	生物价值大半在这里	第 6 章
评估	好看 ≠ 有用	必须挂钩化学有效性、结合、表型	第 7 章
下游	生成不是发表终点	闭环才出科学结论	第 7、8 章

5.2 和你已学的强化学习对照（防概念串味）

如果你刚学完强化学习系列，这里主动划界，避免两套语言混成一个”都叫训练”的黑箱：

	强化学习	扩散生成
核心对象	策略与环境交互、回报	数据分布、加噪—去噪
典型输出	动作序列 / 决策	新样本（分子、图、结构）
“好”的定义	累积回报高	像真 + 满足条件 + 任务指标
优化的是什么	期望奖励的最大化	对数据分布的拟合

一句话记忆：扩散拟合”数据长什么样”，RL 优化”怎么做能拿到更多奖励”。 开题时，生成候选用扩散；若还要在湿实验反馈下做长期决策，才讨论 RL。两者可以流水线串联，但不是一回事。

有三个具体场景最容易把两者混淆，值得先说破：

“我给扩散模型加了个打分函数引导生成，这是不是 RL？” 不是。你在采样时用一个分数函数（比如对接分数）去引导去噪方向，本质仍是在”数据分布”上做条件采样或后验加权，没有”与环境交互、观察状态转移、累积回报”的闭环。它更接近”带约束的生成”，而不是”策略优化”。只有当你把”生成—湿实验—反馈—更新策略”串成一个真正的序贯决策循环时，RL 才登场。
“扩散和 RLHF 里的对齐是一回事吗？” 不是同一层的事。语言模型的 RLHF 是用人类偏好当奖励去微调一个已有的生成模型；扩散是生成模型本身的建模范式。近年确实有”用 RL 微调扩散模型”（如按某个奖励优化生成图像）的工作，但那是在扩散这个底座之上再套一层 RL，两者是叠加关系，不是替代关系。入门阶段先把扩散这个底座学扎实。
“预训练（比如蛋白语言模型的 CPT）算 RL 吗？” 不算。继续预训练、自监督学习都是在拟合数据分布，属于扩散所在的”生成 / 表示学习”大类，和”优化期望奖励”的 RL 是不同的优化目标。把它们分清楚，你在读跨领域论文时就不会被”训练”这个词绕晕。

记住这个判断标准：只要没有”动作—环境反馈—累积回报”这个闭环，就不是 RL，哪怕它也在”训练”、也在”优化”、也用到了神经网络。

6. 生物应用地图：适合什么、不适合什么

第 8 章会按案例深讲。这里先做选型雷达，避免一上来就重训大模型。

6.1 四类常见落点

flowchart LR
Bio["生物生成需求"] --> M["小分子 / 配体"]
Bio --> P["蛋白 / 肽 / 骨架"]
Bio --> I["显微 / 病理 / 电镜图像"]
Bio --> O["组学向量 / 补全 / 增强"]
M --> M1["3D 坐标扩散"]
M --> M2["潜空间或图上扩散"]
P --> P1["等变网络 + 帧/坐标"]
I --> I1["像素或 VAE 潜空间扩散"]
O --> O1["表格/潜变量扩散<br/>谨慎评估"]

生物生成需求的四类落点

领域	扩散常扮演的角色	成功时你看到什么	主要坑
小分子设计	在口袋 / 药效团条件下生成构型	化学有效、多样性高、对接分数分布改善	训练分布外靶点；合成不可及；指标刷分
蛋白 / 肽	骨架或全原子坐标生成、构象采样	几何合理、二级结构像样	SE(3) / 等变实现复杂；可折叠性是另一回事
生物图像	增强、超分、缺模态补全、稀有表型合成	视觉与下游分割 / 分类提升	伪影被当成生物学信号；隐私与批次效应
组学表格	缺失补全、增强稀有细胞状态	下游分类 / 聚类更稳	泄漏与虚假相关；比图像更难肉眼验真

四类落点的难度和成熟度差别很大，值得逐一说清楚它们各自的”扩散长什么样”：

小分子设计是目前生态最成熟的一类。分子可以表示成 3D 原子坐标、2D 分子图或 SMILES 序列，不同表示对应不同的扩散变体（坐标扩散、图上扩散、离散序列扩散）。带口袋条件的生成是当前热点——把靶点口袋作为条件喂进网络，让模型只生成”能塞进这个口袋”的分子。评估这类任务时，光看”分子看起来合理”远远不够，必须叠加化学有效性（价键是否合法）、合成可及性（能不能真的做出来）、对接分数分布这些硬指标，第 7、8 章会给完整清单。
蛋白 / 肽是最能体现扩散威力、也最考验工程的一类。蛋白主链的几何有强对称性——整体平移、旋转不应改变结构的合理性，所以这里的网络通常要满足 SE(3) 等变性，实现比普通图像扩散复杂得多。RFdiffusion 这类工作证明了扩散能设计出全新的、可折叠的蛋白骨架，但要记住一个关键分工：扩散产的是骨架（坐标），骨架上填什么氨基酸序列是另一个模型（如 ProteinMPNN）的事，最后还要用 AlphaFold 之类的工具验证”这个序列真能折叠成这个骨架”。第 8 章会把这条流水线拆开讲。
生物图像（显微、病理、电镜）在技术上最接近自然图像扩散，可以直接复用大量成熟实现，常用来做数据增强、超分辨率、缺失模态补全、稀有表型合成。但它有一个特有的、致命的坑：扩散模型很擅长生成”看起来很真”的纹理，而这些纹理可能是凭空捏造的。在自然图像里多画一根头发无伤大雅，在病理图像里凭空生成一个”病灶”却可能误导诊断。所以生物图像生成的评估必须格外谨慎，且往往需要领域专家盲评。
组学表格（单细胞、空间转录组等）是四类里最难、最容易踩坑的。数据是高维、稀疏、带强批次效应的向量，既不像图像有空间结构可供肉眼验真，也不像分子有明确的物理化学约束兜底。扩散在这里能做缺失补全、稀有细胞状态增强，但数据泄漏和虚假相关的风险极高——你很容易训出一个”下游指标很漂亮、实则记住了批次信号”的模型。这类任务上，评估协议（如 TSTR，用合成数据训练、真实数据测试）比模型本身更重要。

6.2 Go / No-Go（第 1 章版，够用）

更倾向考虑扩散，若：

你需要的是多样候选，不是单个回归分数；
样本有明显空间 / 几何 / 图像结构，或已有成熟表示（点云、体素、潜空间）；
你能接受训练 + 采样算力，或可用预训练 / 少步方法；
条件信息明确（口袋、标签、掩膜），需要可控生成；
下游有独立于生成模型的评价指标（对接、湿实验、专家审核）。

先别急着上扩散，若：

任务本质是分类 / 回归，样本量还够传统模型用；
只要极致速度、百万级秒级吞吐，且质量要求一般（先看 VAE / 轻量模型 / 检索）；
数据量极少又无可靠预训练可迁移；
你无法定义”好样本”的任务指标——会陷入”图好看 / 分子看起来像”的自我循环；
监管 / 可解释性要求必须逐步可审计的简单模型。

6.3 预期结果 vs 常见失败（建立正确期待）

预期（合理）	失败表象	往往真正原因
得到一批可用候选供筛选	全是训练集近邻复制	数据窄、过拟合、无新颖性指标
条件改变时输出跟着变	条件”不听使唤”	条件注入弱、CFG 未调、条件质量差
指标略优于旧生成基线	FID / 好看但对接一塌糊涂	评估选错，分布匹配 ≠ 生物学有用
采样可在小时级出库	等一晚上才出几个	步数过大未加速，未用潜空间 / 蒸馏

7. 讲解用最小公式（只为”名字对上号”）

本章不推导。 只让你在论文里看到符号时不慌。第 2、3 章会把每个符号变成可调参数。

7.1 前向：把数据变成噪声

约定 $x_0$ 为干净数据（一张图、一组坐标）。前向在时间步 $t=1,\ldots,T$ 上逐步加高斯噪声。工程上常用闭式一步到位：

x_t = \sqrt{\bar\alpha_t}\, x_0 + \sqrt{1-\bar\alpha_t}\,\varepsilon,\qquad \varepsilon \sim \mathcal{N}(0,I)

符号	含义	现在只需知道
$x_0$	真实样本	你的分子 / 图像表示
$t$	噪声强度档位	$t$ 大则更接近纯噪声
$\bar\alpha_t$	由噪声日程算出的”还剩多少信号”	由 $\beta$ schedule 决定
$\varepsilon$	标准高斯噪声	训练时网络常去预测它

为什么需要前向？ 没有”已知的、可采样的加噪课表”，就没有稳定的监督信号教网络如何去噪。

7.2 训练目标（DDPM 最常见写法）

网络 $\epsilon_\theta(x_t, t)$ （可再加条件 $c$ ）学习预测噪声：

\mathcal{L} \approx \mathbb{E}_{x_0,t,\varepsilon}\Big[\big\| \varepsilon - \epsilon_\theta(x_t, t) \big\|^2 \Big]

直觉：随便抽一个真实样本、一个时间档、一份噪声，合成糊版 $x_t$ ，看网络能否说出”这份糊是怎么糊上去的”。至于为什么常预测 $\varepsilon$ 而不是直接预测 $x_0$ ，以及 $v$ -prediction 变体，是第 2、3 章的核心内容。

7.3 采样（概念）

从 $x_T \sim \mathcal{N}(0,I)$ 出发，反复用网络减噪，得到 $x_0$ 。步数 $T$ 、是否 DDIM、是否引导，决定慢而精还是快而糙——第 6 章专讲。

7.4 参数预告表（见名知意，调法后置）

学扩散最容易迷路的地方，是论文里一堆参数名扑面而来，却不知道每个”住在流水线的哪一步、调坏了会怎样”。下面这张表把你未来会反复碰到的旋钮先做个索引——现在不用会调，只要看到名字能对上位置即可。

参数 / 选择	出现在流水线哪一步	为什么存在	调坏了大概什么现象	深讲章节
数据表示	最前端	决定几何与对称性	学不会化学约束、几何崩坏	第 2、8 章
$T$ / 噪声日程 $\beta$	前向加噪	规定噪声课表快慢	过噪或欠噪，细节难学	第 2 章
预测目标 $\varepsilon / x_0 / v$	损失	数值稳定性与质量	收敛慢或样本糊	第 2、3 章
网络结构（U-Net/DiT/等变）	骨干	归纳偏置	3D 任务误用 2D 骨干	第 2、5 章
采样步数 / 求解器	推理	精度—成本权衡	糊、几何崩、太慢	第 6 章
CFG scale	条件引导	听条件 vs 保多样性	过饱和或忽视条件	第 6 章
任务指标选择	评估	是否生物学有用	只会刷分布指标	第 7 章

这张表也是整个系列的”目录索引”：任何一章你都可以回来对照，确认自己正在学的是哪一个旋钮。

7.5 前沿替代路线地图（先认名字，不深挖）

你在社群、arXiv 上会不断刷到一堆”比扩散更快 / 更强”的新名字。入门阶段不需要判断谁取代谁，只需要知道它们各自想优化经典扩散流水线里的哪一环。这样等你第 7 章正式评估替代路线时，就不会被术语淹没。

经典环节	较新方向（名字级）	想优化什么	可能代价
多步 DDPM 采样	DDIM、更优 ODE / SDE 采样器	更少步数、可复现	极端少步时质量掉
多步教师模型	一致性模型 / LCM、逐步蒸馏	1–4 步出样	训练更复杂，分布覆盖变化
扩散 SDE / 分数	Flow Matching / 整流流	更直的路径、常更少步	生态与生物基线仍在追赶
像素空间扩散	隐空间扩散（Latent）	省算力	依赖编码器质量
纯数据驱动	扩散 + 物理 / 化学约束	结果更合理	实现与权衡更难
对抗生成	扩散作主生成器	换稳定与质量	换来速度变慢

选型心态：先会走完 DDPM 全链条，再谈替换哪一环，不要被论文标题牵着换模型。这句话会在第 7 章的选型决策里再次出现。

8. 动手前的思维练习（不需要代码）

这一章不写代码，但有两个”纸上练习”能立刻检验你是否真的建立了直觉。第 9 章会把它们变成可运行脚本。

练习 A：给你的课题归类。 拿你手头一个真实问题，先问三句：

我要的是一个最优答案，还是一簇候选？
我的对象有没有可加噪、可去噪的连续 / 结构表示？
我有没有独立于生成模型的方式判断”生成得好不好”？

三个都指向”候选 / 有结构 / 有独立评估”，才更像扩散场景。

练习 B：口述加噪—去噪。 不看本章，向同事用 30 秒讲清”墨水搅匀再倒放”这个比喻，并说明网络到底学的是哪一步（答案：在任意脏度下预测该去掉的噪声）。讲不顺，说明还没内化，回到第 3 节。

练习 C：读论文时快速定位机制。 随便找一篇你领域里用扩散的论文，只看摘要和方法图，尝试在两分钟内回答三个问题：（1）它把数据表示成什么（坐标 / 图 / 像素 / 潜向量）？（2）它的条件是什么（口袋 / 文本 / 掩膜 / 无条件）？（3）它在哪一环做了改进（前向课表 / 网络骨干 / 采样加速 / 评估）？如果你能用本章 §5.1 的九步流水线和 §7.4 的参数表把这篇论文”归位”，说明你已经建立起阅读扩散文献的坐标系——这正是第 1 章最想给你的东西。反过来，如果三个问题里有卡住的，正好标记出你接下来该重点补的章节。

9. 本章 Checklist

能用自己的话说明：生成 ≠ 回归，扩散输出的是分布上的样本
能画出或口述：前向加噪 → 反向去噪的双向箭头
能从质量、多样性、稳定性、速度、条件控制五维比较 VAE / GAN / 扩散
能举一个你领域里的生成任务，并判断是否”更像扩散场景”
知道全链条 9 步各自的主题
认识符号 $x_0, t, \bar\alpha_t, \varepsilon, \epsilon_\theta$ 的含义（不要求推导）
明确：扩散是候选引擎，不能替代化学有效性 / 对接 / 实验验证
知道 DDIM / LCM / Flow Matching 是”后面可替换加速的名字”，现阶段不深挖

10. 自测 3 问

Q1. 某课题要预测化合物对某靶点的 $IC_{50}$ ，数据表已有 8000 条。是否应首选扩散模型？为什么？

参考要点

这更像回归 / 判别。标签够用时优先梯度提升 / 图神经网络回归等。扩散适合”生成新分子 / 新构象再筛选”，不是默认的亲和力回归器。只有当数据严重不平衡、要做增强时，才可能把生成当辅助，且须严防数据泄漏。

Q2. 相对 GAN，扩散最常被强调的两个优点、一个主要代价是什么？

参考要点

优点：训练更稳、条件控制 / 样本质量在许多设定下更友好（多样性也常更好）。代价：采样多步、更慢更贵，可用加速 / 蒸馏缓解。

Q3. “生成的分子对接分数很高”是否足以说明扩散模型成功？还缺什么？

参考要点

不够。还要看：化学有效性与价键合理、新颖性（非训练集复制）、合成可及性、特异性 / 脱靶风险，以及是否过拟合了对接程序本身的 quirk。任务闭环指标 + 多样性 + 实验三者齐全才算数。

Q4. 你的同事说”我们用扩散模型生成蛋白，一步就能出结构，比 AlphaFold 快多了”。这句话里藏着哪两个概念混淆？

参考要点

两个混淆。其一，扩散生成通常不是”一步出结构”，而是多步迭代去噪（除非用了专门的少步蒸馏模型），“一步”这个描述本身就不准确。其二，也是更根本的——扩散生成和 AlphaFold 做的不是同一件事，不该直接比”快”。AlphaFold 是结构预测：给定序列，预测它折叠成什么样（一个输入对一个最可能的答案，本质更像回归）；扩散蛋白设计是生成：从零画出全新的骨架候选。一个是”预测已有序列的结构”，一个是”设计不存在的新结构”，任务目标不同，拿运行速度横向对比没有意义。这正是本章 §2 “生成 ≠ 回归”和 §5.2 “扩散 ≠ RL、也 ≠ 判别预测”两条边界的综合应用。

11. 与其他章节的关系

第 2 章前向加噪与反向去噪：把本章 §7 的最小公式展开成 $\beta_t / \bar\alpha_t$ 噪声课表与反向高斯建模。
第 3 章 DDPM 三式精讲：闭式加噪 / ε 损失 / 采样三式的完整讲解。
第 4 章与 GAN、VAE 对照：把本章 §4 的对比表深化为机制级对照与历史脉络。
第 7 章按数据结构选型：把本章 §6 的 Go/No-Go 升级为四层评估框架与决策树。
第 8 章生物 / 分子读者轨道：把 §6 的四类落点逐一做成案例。
扩散模型导航：按机制族查模型清单，本系列不重复罗列。

12. 延伸阅读

文献 / 资源	为什么看	阅读深度建议
Ho et al., DDPM, 2020	现代工程扩散的起点	读摘要 + 方法直觉，公式留到第 2、3 章对照
Song et al., Score-based / SDE 系列	统一”分数—扩散—采样”	先看综述图，再按需深挖
Song et al., DDIM, 2021	少步、可确定采样	第 6 章精读动机
Ho & Salimans, Classifier-Free Guidance, 2022	条件生成主力技巧	第 6 章
计算生物学 / 药物设计中的扩散综述	应用版图与常见坑	第 8 章对照你的课题

说明：本章以教学坐标系与选型逻辑为主；具体数值与应用对比在后续章节按主题引用原文结论。