扩散模型学习指南（课程地图）
这是扩散模型系列的课程地图：告诉你这个系列有哪些章、怎么按你的目标读、每章读完该会什么。它不替代各章深讲——把它当成一张地铁线路图，具体风景在各章里。 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，本系列会反复帮你把两套概念划清边界。
1. 这个系列想解决什么
Section titled “1. 这个系列想解决什么”生成式 AI 在生物领域的落地——蛋白设计、分子生成、单细胞补全、病理图像合成——大量建立在扩散模型上。但市面上的扩散教程要么是面向 CS 背景的数学推导，要么是”跑个 Stable Diffusion 出图”的调包教程，很少有为生物读者写的、既讲清原理又落到选型判断的系统教程。
这个系列就是来补这个缺口的。它的三个设计原则：
- 半科普 + 半专业：公式只保留”讲清在学什么”的最小量，重点讲为什么、怎么调、会怎样、能换成什么。
- 生物导向：所有机制都配生物类比和落地案例，四条应用轨道（蛋白 / 小分子 / 单细胞 / 病理）贯穿始终。
- 判断力优先：比起”会训一个模型”，更重视”知道该不该用、该用哪个、生成得好不好怎么判断”——这才是真实科研里更稀缺的能力。
学完整个系列，你应该能独立回答：“我这个课题该不该上扩散？如果上，用哪个机制族、采样怎么起步、评估怎么安排？” 而不是把某个明星模型当黑箱调包。
2. 全系列九章地图
Section titled “2. 全系列九章地图”系列由 1 个指南（本文）+ 9 章教程组成。九章分成四个板块，层层递进：
flowchart TB subgraph 入门["板块一 · 建立直觉"] C1["第 1 章 生成直觉与问题设定"] end subgraph 机制["板块二 · 机制原理"] C2["第 2 章 前向加噪与反向去噪"] C3["第 3 章 DDPM 三式精讲"] C4["第 4 章 与 GAN、VAE 对照"] C5["第 5 章 五大机制族"] end subgraph 实战["板块三 · 训练与选型"] C6["第 6 章 训练与采样旋钮"] C7["第 7 章 按数据结构选型"] end subgraph 落地["板块四 · 生物落地与动手"] C8["第 8 章 生物与分子读者轨道"] C9["第 9 章 迷你实验与选型清单"] end 入门 --> 机制 --> 实战 --> 落地
各章一句话定位与入口：
| 章 | 定位 | 读完你会 |
|---|---|---|
| 第 1 章 生成直觉与问题设定 | 建立坐标系：扩散解决什么问题、和 VAE/GAN 差在哪、生物里何时用 | 判断一个问题是否”更像扩散场景” |
| 第 2 章 前向加噪与反向去噪 | DDPM 机制：前向闭式、噪声课表、反向去噪、三种预测目标 | 画出训练循环，解释 ε/x0/v 怎么选 |
| 第 3 章 DDPM 三式精讲 | 把 DDPM 收敛成三个方程，讲它们如何咬合 | 写出三式、纠正训练/采样混淆 |
| 第 4 章 与 GAN、VAE 对照 | 从目标函数、稳定性、算力、边界四维深度对照三家族 | 说清各家为什么有各自的软肋和甜点区 |
| 第 5 章 五大机制族 | 四维度替换框架 + 五族（连续高斯/离散/流匹配/少步/几何等变） | 拆解任何一个新扩散变体”换了哪几维” |
| 第 6 章 训练与采样旋钮 | 采样加速（DDIM/采样器/步数/CFG）+ 条件注入（三方式/ControlNet） | 对着现象定位该调哪个旋钮 |
| 第 7 章 按数据结构选型 | 四层评估框架 + 各任务评估菜单 + Go/No-Go 决策 | 给一个课题做选型、判断生成得好不好 |
| 第 8 章 生物与分子读者轨道 | 四条轨道四要素模板 + RFdiffusion 深度案例 | 给你的生物任务填四要素、说清蛋白设计三段式 |
| 第 9 章 迷你实验与选型清单 | 三个 CPU 玩具实验 + Go/No-Go 清单 + 毕业要求 | 亲眼见过步数不够、mode collapse、L1好但L3差 |
一条重要的分工线：本系列不重复罗列模型清单。要按机制族查具体模型（哪些属于连续高斯、哪些是流匹配等），去 扩散模型导航；要看 Stable Diffusion 产品线演进，去 Stable Diffusion 架构与演进；要深挖隐空间扩散设计，去 隐空间扩散深入。教程系列讲原理与判断，导航页和专文讲清单与产品谱系。
3. 前置要求
Section titled “3. 前置要求”这个系列尽量自足，但你带着下面这些会读得更顺：
| 前置 | 需要到什么程度 | 不够怎么办 |
|---|---|---|
| 线性代数、概率 | 认识向量、高斯分布、期望的直觉 | 会看公式符号即可，不要求推导 |
| Python | 能读懂简单脚本（第 9 章动手用） | 只读不跑也能学完前八章 |
| 深度学习基础 | 知道神经网络、损失、梯度下降是什么 | 有 CNN/Transformer 概念更好，没有也能跟 |
| 强化学习（可选） | 若学过，能对照防串味 | 没学过完全不影响，相关对照可跳过 |
明确不要求：不要求你会推导 ELBO、不要求懂随机微分方程、不要求有 GPU（第 9 章玩具实验 CPU 即可）。
4. 三条学习路径（按你的目标裁剪）
Section titled “4. 三条学习路径（按你的目标裁剪）”九章不必从头读到尾。先想清你的目标，再选一条路径：
flowchart TD
Start["你的目标是？"] --> A{"只想快速<br/>做选型判断"}
A -->|"是"| PathA["路径A: 1 → 7 → 9(Go/No-Go)"]
A -->|"否"| B{"要系统<br/>理解机制"}
B -->|"是"| PathB["路径B: 1 → 2 → 3 → 6 → 4 → 5"]
B -->|"否"| C{"做生物课题<br/>要落地"}
C -->|"是"| PathC["路径C: 1 → 7 → 8 → 9"]
路径 A · 快速选型（半天）：你手上有个课题，只想知道该不该用扩散、怎么评估。读 第 1 章（建立直觉）→ 第 7 章（四层评估 + Go/No-Go）→ 第 9 章 §8（Go/No-Go 清单落地）。这条路径不深挖机制，直接给你判断工具。
路径 B · 系统入门（一到两周）：你想真正搞懂扩散怎么运作。按 1 → 2 → 3 → 6 走主线（直觉 → 机制 → 三式 → 旋钮），再用 4、5 补充对照与机制族全景。这是最完整的理解路径。
路径 C · 生物落地（一周）：你是生物 / 生信研究者，要把扩散用到具体课题。读 第 1 章 建立直觉 → 第 7 章 学会评估选型 → 第 8 章 找到你的应用轨道（蛋白/分子/单细胞/病理）→ 第 9 章 动手 + 填 Go/No-Go。机制细节（2、3、6）按需回查。
推荐的完整顺序（时间充裕、想通吃）：1 → 2 → 3 → 4 → 5 → 6 → 7 → 8 → 9，正好是本指南第 2 节的板块顺序。
5. 贯穿全系列的几个”母题”
Section titled “5. 贯穿全系列的几个”母题””不管走哪条路径，有几个核心思想会在多章反复出现。先认识它们，读起来会更有连贯感：
- 扩散拟合分布，RL 优化奖励：这是与强化学习划界的总纲，出现在第 1、7、8 章。扩散学”数据长什么样”，RL 学”怎么做能拿更多奖励”，别用同一张成绩单。
- 训练目标 ≠ 验收目标：训练用去噪损失，但验收要看下游任务和领域专家。这是第 7 章评估框架的灵魂，也在第 8 章 RFdiffusion 案例里体现为 self-consistency。
- 四维度替换框架：任何扩散变体都是在”建模空间 / 路径 / 主干 / 步数”四维里换了几格。第 5 章建立，第 9 章的纸上练习用它拆论文。
- 默认起步栈：不确定采样怎么配时，
DPM++ 2M Karras + 20 步 + CFG 5（条件模型）是稳妥起点。第 6 章给出，多章引用。 - 生成是候选引擎，不是终点：扩散产的是一簇候选，化学有效性、可折叠性、湿实验才是真正的裁判。贯穿第 1、7、8 章。
6. 学完的验收标准
Section titled “6. 学完的验收标准”怎么算”学通了”？下面这份清单就是全系列的毕业要求（也是第 9 章的毕业 checklist）。如果每项都能不看笔记做到，你已经具备独立开一个生物扩散课题的判断力：
- 能判断一个生物问题是否”更像扩散场景”（第 1 章）
- 能写出前向闭式、解释 ε / x0 / v 三种预测目标（第 2、3 章）
- 能从目标函数、稳定性、算力、边界四维对比扩散 / GAN / VAE（第 4 章）
- 能用四维度框架拆解任何一个新扩散变体（第 5 章）
- 能对着现象定位该调哪个采样旋钮（第 6 章）
- 能用四层评估框架 + Go/No-Go 给一个课题做选型（第 7 章）
- 能给蛋白 / 分子 / 单细胞 / 病理任务各填出四要素、说清 RFdiffusion 三段式分工（第 8 章）
- 亲手跑过三个玩具实验，见过步数不够、mode collapse、L1 好但 L3 差的样子（第 9 章）
若某一项做不到，回看对应章节即可——这也是把本指南当”地图”用的方式：哪里不会，按图索骥回到那一站。
7. 全系列术语速查
Section titled “7. 全系列术语速查”读到某个术语记不起在哪讲的，用这张表快速定位。它不替代正文解释，只帮你按图索骥：
| 术语 | 一句话意思 | 主要在哪章 |
|---|---|---|
| 前向 / 反向过程 | 加噪（不学）/ 去噪（要学） | 第 2 章 |
| 闭式加噪 | 一步跳到任意时刻带噪样本，训练能高效跑 | 第 2、3 章 |
| ε / x0 / v 预测 | 网络输出的三种等价”坐标”，loss 加权不同 | 第 2、3 章 |
| 噪声课表（schedule） | linear / cosine，控制信噪比下降快慢 | 第 2 章 |
| DDIM | 确定式、可跳步的采样，不重训只换代码 | 第 6 章 |
| NFE / 步数 | 采样跑几次网络前向，质量-速度主旋钮 | 第 6 章 |
| CFG scale | 条件强度旋钮，倒 U 型曲线 | 第 6 章 |
| ControlNet / LoRA | 外挂控制分支 / 低秩微调 | 第 6 章 |
| 四层评估 L1-L4 | 分布 / 结构 / 下游 / 专家 | 第 7 章 |
| TSTR | 合成数据训、真实数据测的下游验证 | 第 7、9 章 |
| self-consistency / scTM | 骨架能否被序列折回，蛋白生成金标准 | 第 8 章 |
| 四维度替换 | 建模空间 / 路径 / 主干 / 步数 | 第 5 章 |
| 流匹配 / Rectified Flow | 把噪声到数据的路径取直，少步 | 第 5 章 |
| 一致性模型 / LCM | 从轨迹任意点一步跳终点 | 第 5 章 |
| 等变网络（SE(3)/E(3)） | 旋转平移输入不改变输出，3D 结构必需 | 第 5、8 章 |
| mode collapse | 生成塌成少数几种，多样性丢失 | 第 7、9 章 |
8. 常见问题
Section titled “8. 常见问题”Q：我完全没接触过扩散，从哪开始？ 从第 1 章开始，它不需要任何扩散前置知识。读完第 1 章，你就能判断自己接下来该走哪条路径。
Q：我只想赶紧判断我的课题能不能用扩散，没时间系统学。 走路径 A：第 1 章 → 第 7 章 → 第 9 章的 Go/No-Go 清单。半天能给你一个靠谱的判断。
Q：这个系列和网上的 Stable Diffusion 教程有什么不同？ 那类教程多是”怎么调包出图”。本系列讲原理 + 选型判断 + 生物落地，目标是让你在真实科研里做决策，而不是复现一张图。要看 SD 产品线本身，见 Stable Diffusion 专文。
Q：需要 GPU 吗？ 前八章纯概念和判断，不需要。第 9 章的三个玩具实验为 CPU 设计（其中一个需要 CPU 版 torch）。真正训练大模型才需要 GPU，那不在本系列范围内。
Q：学完能直接上手训一个蛋白扩散模型吗？ 本系列给你的是判断力和坐标系，不是某个模型的完整训练教程。但学完后，你读 RFdiffusion 这类工作的代码和论文会顺畅得多，知道每个设计选择在解什么问题——这比直接调包重要。
8. 说明与限制
Section titled “8. 说明与限制”- 本指南是导航，不含机制细节；所有”怎么做”都在各章正文。
- 系列以教学坐标系与选型逻辑为主，具体数值、模型清单、产品谱系分别在各章、导航页和专文里，本指南不重复。
- 领域进展快（尤其少步范式、流匹配），各章都标注了”更新研究”小节；本指南给的是稳定的学习框架，框架比具体模型名更持久。
主题色
字体
字号
视觉效果
即将离开本站
你将前往外部网站：
该网站与本站无关，本站不对其内容、安全性或可用性负责。确定后将在新标签页打开。