扩散模型导航：定义、架构、应用与模型清单

面向有基础神经网络知识、想真正搞懂扩散模型并按需选型的读者（生物方向重点照顾）。这页是入口：先讲清「是什么」，再拆「架构」，然后讲「能解决什么问题」，最后给「现有模型清单」。每一节都从直觉出发，再上公式和模型名。

1. 什么是扩散模型

想象一张清晰的照片，被雪花噪点一帧一帧盖住，几十帧后整张图变成纯雪花，什么也看不出。扩散模型做的事，就是把这个过程倒放：从一屏随机雪花出发，一帧一帧把噪点擦掉，最后还原出一张照片。关键在于——如果”怎么擦”是神经网络学出来的，那擦出来的可以是一张从没存在过、却很真实的新照片。这就是”生成”。

官方定义：扩散模型（Diffusion Probabilistic Model）是一类生成模型，本质是一条用变分推断训练的马尔可夫链，由两个方向相反的过程组成：

• 前向 / 加噪（固定，不用学）：按预设的噪声调度，往真实数据上一步步加高斯噪声，经过 T 步后，数据近似变成纯高斯噪声 $\mathcal{N}(0, I)$。
• 反向 / 去噪（用神经网络学）：从纯噪声出发，逐步预测”这一步加了什么噪声”并把它去掉，最终还原出一个真实样本。

为什么拆成这么多小步？因为”一步到位从噪声变照片”太难学；扩散把它拆成几十到上千个”只去掉一点点噪声”的简单小步，每步都好学，连起来就能生成高质量样本。

扩散模型：前向加噪与反向去噪

一句话记住：前向负责”把数据搅成噪声”（不用学，只是定义问题），反向负责”从噪声里学着还原”（这才是模型）。 训练时就是不断地：取真实样本→加上已知强度的噪声→让网络预测加了什么，损失就是预测噪声与真实噪声之差。

出处：Sohl-Dickstein 等 2015（用非平衡热力学定义这套加噪/去噪）；Ho 等 2020（DDPM，把训练目标简化成”预测噪声”，让它真正好用）。详见文末参考资料。

---

2. 主要架构（核心组件 + 经典公式 + 关键参数）

把扩散模型拆开，其实只有两层：训练/生成绕不开的三个核心环节（带公式），和决定它”长成哪个模型”的四个可替换组件（带参数）。

2.1 三个核心环节

① 前向加噪：一步到位的闭式

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

人话：第 $t$ 步的带噪样本 = 原图按比例缩一缩，再叠一团高斯噪声。$x_0$ 是真实样本，$\epsilon$ 是随机噪声，$\bar\alpha_t$ 是噪声调度（$t$ 越大越接近 0，噪声越多）。好处是任意第 $t$ 步能直接算出，训练时不必真的跑 $t$ 次。

② 训练目标：让网络把噪声”认出来”

$\mathcal{L}=\mathbb{E}_{x_0,\,\epsilon,\,t}\big\lVert \epsilon-\epsilon_\theta(x_t, t)\big\rVert^2$

人话：随机挑一步 $t$，给原图加噪得到 $x_t$，让网络 $\epsilon_\theta$ 看着 $x_t$ 猜”刚加进去的噪声 $\epsilon$ 是什么”，猜得越准损失越小。本质就是一个均方误差——没有对抗、没有博弈，这是扩散比 GAN 训练稳的根因。

③ 反向采样：从噪声一步步退回样本

从纯噪声 $x_T$ 出发，每步用网络估出噪声、退掉一点，重复到 $x_0$。两种经典退法：DDPM 祖先采样（带随机性、步数多）、DDIM 确定性采样（可跳步、可复现）。

除了预测噪声 $\epsilon$，等价的还能预测干净样本 $x_0$ 或速度 $v$；高分辨率与蒸馏常用 $v$，高噪声段更稳。

2.2 四个可替换组件

下面这条流水线，换掉任意一个槽位就长出一个新模型——这正是模块 4 里几十个模型的由来。

扩散模型的四个可替换组件

组件	干什么	常见选择	关键参数（怎么调）
① 数据 / 表示	在什么空间扩散	像素 / VAE 隐空间 / 坐标 / 图	隐空间省算力；生物数据常需保对称性
② 噪声调度	每步加多少噪声、什么噪声	高斯 / 离散；linear / cosine	扩散步数 T≈1000；高分辨率用 cosine；离散数据必须用离散噪声
③ 网络主干	谁来去噪	U-Net / DiT / 等变 GNN	图像用 U-Net 或 DiT；3D 分子/蛋白用等变网络
④ 引导 + 采样器	控制方向 + 加速	CFG / DPM-Solver++	引导强度 w（图像≈7，科学任务调低）；采样步数 NFE（10–50）

记住这张表：①② 决定”在什么空间、怎么破坏”，③ 决定”用什么网络去噪”，④ 决定”怎么控制、怎么快”。 后面所有模型，几乎都是在这四个槽位上做不同选择。

3. 扩散模型能解决什么问题

同一套”加噪—去噪”，换个数据表示就换个问题。下面按任务给例子，每个都配一个具体场景 + 对应模型：先用最好懂的通用例子建立感觉，再落到生物。

条件生成 / 设计——给一个约束，造出满足它的新样本

• 通用：输入一句”一只戴帽子的柯基”，生成对应图像 →（Stable Diffusion / SD3）
• 生物：给定一个功能位点或对称要求，从头设计出能折叠的蛋白骨架 →（RFdiffusion / Chroma）

无条件生成——不给约束，纯探索”可能性空间”

• 通用：随机生成一张不存在的人脸 →（Stable Diffusion）
• 生物：随机采样出全新的、自然界没有的小分子或蛋白 →（E(n)-EDM / Chroma）

补全 / 修复——给残缺，补出合理的整体

• 通用：抹掉照片里的路人、自动补背景（inpainting）→（Stable Diffusion）
• 生物：给蛋白序列的一段做掩码、补出其余氨基酸 →（EvoDiff / DPLM）

构象 / 结构预测——给拓扑，算出 3D 形状

• 生物：给一个分子的连接图，生成它在空间里的多个稳定构象 →（GeoDiff / Torsional Diffusion）
• 生物：预测蛋白-核酸-小分子复合物的联合结构 →（AlphaFold 3 的扩散式结构生成端）

对接——把”放在哪、怎么放”当成生成问题

• 生物：预测小分子配体落进蛋白口袋的结合姿态，用于虚拟筛选 →（DiffDock）

复原 / 重建 / 分割——把退化观测当成”被加了噪”，去噪还原

• 生物：用更少的采样加速 MRI 重建、给低剂量 CT 去噪 →（Score-MRI）；医学影像病灶/细胞分割 →（MedSegDiff）

其他模态——只要能定义”数据→加噪”，就能套

• 文生视频（Sora）、晶体材料生成（MatterGen）、DNA 调控序列生成（DDSM）、单细胞表达谱插补（scDiffusion）

抓住这条线：任务变了，变的只是”生成对象的数据表示”和”加什么噪声”，去噪学习这件事本身没变。 这也是为什么一个范式能铺满这么多领域。

4. 现有模型清单（分子类）

接模块 2 的”组件②决定机制”，把代表模型按机制分成六个子类；每个一句话定位，详细出处见文末参考文献。机制选定后，再用文末的生物模态速查表对到具体方向。

4.1 连续高斯扩散（图像与通用主线）

• DDPM：预测噪声 ε，经典基石。Score SDE：用 SDE/ODE 统一框架。iDDPM：学习方差 + 余弦调度。
• 隐空间与架构：LDM / Stable Diffusion（VAE 隐空间扩散，主流落地）、DiT（Transformer 主干）、SDXL（放大版）、EDM（Karras，设计空间基准）。
• 采样加速：DDIM（确定性可跳步）、DPM-Solver（10–20 步高阶求解器）。
• 引导可控：ADM / Classifier Guidance（首超 GAN）、CFG（条件标配）、ControlNet（结构条件旁路）。

4.2 流匹配 / Rectified Flow（连续，新范式）

• Rectified Flow / Flow Matching：把生成路径拉直，少步更稳，与扩散同源。SD3：把 rectified flow 规模化（MM-DiT）。

4.3 少步 / 蒸馏（加速一支）

• Consistency Models：一步/少步生成。LCM：在隐空间蒸馏出 2–4 步的 Stable Diffusion。

4.4 离散扩散（序列 / 文本）

• D3PM：离散状态空间扩散通用框架。SEDD：score entropy，语言建模超同规模 GPT-2。EvoDiff：蛋白序列离散扩散。DPLM：扩散蛋白语言模型。

4.5 几何等变扩散（3D 分子 / 蛋白）

• E(n)-EDM：首个直接 3D 生成分子的等变扩散。GeoDiff / Torsional Diffusion：分子构象。FrameDiff：SE(3) frame 上的蛋白骨架扩散。RFdiffusion：de novo 蛋白设计标杆。DiffDock：把对接建成位姿扩散。

4.6 图扩散（节点 + 边）

• DiGress：离散去噪图生成代表作。GDSS：节点 + 边联合 SDE。

跨机制的两个生物大件：AlphaFold 3（结构预测端用扩散式去噪输出坐标）、Chroma（可编程条件的蛋白生成）；MatterGen 把这套搬到无机晶体。

生物模态速查表

模态	代表模型
蛋白结构 / 设计	RFdiffusion、Chroma、FrameDiff
蛋白结构预测	AlphaFold 3
蛋白序列	EvoDiff、DPLM
小分子 / 构象	E(n)-EDM、GeoDiff、Torsional Diffusion
分子对接	DiffDock
基因组 / RNA	DDSM、RiboDiffusion
单细胞 / 组学	scDiffusion
医学影像	Score-MRI、MedSegDiff
材料 / 晶体	MatterGen

这只是骨干清单，完整 200+ 模型与逐个深挖会在后续 L1/L2/L3 与单模型文章里补全。

参考资料

1. Deep Unsupervised Learning using Nonequilibrium Thermodynamics（扩散理论源头） — Sohl-Dickstein 等 · 2026-06-02 · ICML 2015
2. Generative Modeling by Estimating Gradients of the Data Distribution（NCSN） — Song, Ermon · 2026-06-02 · NeurIPS 2019
3. Denoising Diffusion Probabilistic Models（DDPM） — Ho, Jain, Abbeel · 2026-06-02 · NeurIPS 2020
4. Improved Denoising Diffusion Probabilistic Models（iDDPM） — Nichol, Dhariwal · 2026-06-02 · ICML 2021
5. Score-Based Generative Modeling through SDEs（统一框架） — Song 等 · 2026-06-02 · ICLR 2021
6. Diffusion Models Beat GANs on Image Synthesis（ADM / 分类器引导） — Dhariwal, Nichol · 2026-06-02 · NeurIPS 2021
7. Denoising Diffusion Implicit Models（DDIM） — Song, Meng, Ermon · 2026-06-02 · ICLR 2021
8. DPM-Solver: 高阶 ODE 求解器 — Lu 等 · 2026-06-02 · NeurIPS 2022
9. Classifier-Free Diffusion Guidance（CFG） — Ho, Salimans · 2026-06-02 · NeurIPS 2021 Workshop
10. Elucidating the Design Space of Diffusion-Based Generative Models（Karras EDM） — Karras 等 · 2026-06-02 · NeurIPS 2022
11. Consistency Models（少步/单步生成） — Song, Dhariwal, Chen, Sutskever · 2026-06-02 · ICML 2023
12. Latent Consistency Models（LCM） — Luo 等 · 2026-06-02 · 2023
13. Adding Conditional Control to Text-to-Image Diffusion Models（ControlNet） — Zhang 等 · 2026-06-02 · ICCV 2023
14. High-Resolution Image Synthesis with Latent Diffusion Models（LDM / Stable Diffusion） — Rombach 等 · 2026-06-02 · CVPR 2022
15. Scalable Diffusion Models with Transformers（DiT） — Peebles, Xie · 2026-06-02 · ICCV 2023
16. SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis — Podell 等 · 2026-06-02 · ICLR 2024
17. Flow Straight and Fast: Rectified Flow — Liu, Gong, Liu · 2026-06-02 · ICLR 2023
18. Flow Matching for Generative Modeling — Lipman 等 · 2026-06-02 · ICLR 2023
19. Scaling Rectified Flow Transformers for High-Resolution Image Synthesis（SD3） — Esser 等 · 2026-06-02 · ICML 2024
20. Structured Denoising Diffusion Models in Discrete State-Spaces（D3PM） — Austin 等 · 2026-06-02 · NeurIPS 2021
21. Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution（SEDD） — Lou, Meng, Ermon · 2026-06-02 · ICML 2024
22. DiGress: Discrete Denoising Diffusion for Graph Generation — Vignac 等 · 2026-06-02 · ICLR 2023
23. Score-based Generative Modeling of Graphs via the System of SDEs（GDSS） — Jo, Lee, Hwang · 2026-06-02 · ICML 2022
24. Equivariant Diffusion for Molecule Generation in 3D（E(n) EDM） — Hoogeboom 等 · 2026-06-02 · ICML 2022
25. GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation — Xu 等 · 2026-06-02 · ICLR 2022
26. Torsional Diffusion for Molecular Conformer Generation — Jing 等 · 2026-06-02 · NeurIPS 2022
27. DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking — Corso 等 · 2026-06-02 · ICLR 2023
28. De novo design of protein structure and function with RFdiffusion — Watson 等（Baker Lab） · 2026-06-02 · Nature 2023 · DOI 10.1038/s41586-023-06415-8
29. Illuminating protein space with a programmable generative model（Chroma） — Ingraham 等（Generate Biomedicines） · 2026-06-02 · Nature 2023 · DOI 10.1038/s41586-023-06728-8
30. SE(3) diffusion model with application to protein backbone generation（FrameDiff） — Yim 等 · 2026-06-02 · ICML 2023
31. Accurate structure prediction of biomolecular interactions with AlphaFold 3 — Abramson 等（DeepMind/Isomorphic） · 2026-06-02 · Nature 2024 · DOI 10.1038/s41586-024-07487-w
32. Protein generation with evolutionary diffusion: sequence is all you need（EvoDiff） — Alamdari 等（Microsoft） · 2026-06-02 · bioRxiv 2023 · DOI 10.1101/2023.09.11.556673
33. Diffusion Language Models Are Versatile Protein Learners（DPLM） — Wang 等 · 2026-06-02 · ICML 2024
34. MatterGen: a generative model for inorganic materials design — Zeni 等（Microsoft） · 2026-06-02 · Nature 2025 · arXiv 2312.03687