由东京大学伊藤宗介带领的团队开展的一项联合研究揭示，非平衡热力学为最优传输理论在生成模型中的应用提供了理论解释。非平衡热力学作为物理学分支，专注于研究动态变化系统，而最优传输理论则是优化分布变化以降低成本的数学工具。这一发现为机器学习领域引入了新颖的热力学研究方法，相关成果已发表于《物理评论X》杂志。

当前，图像生成技术日新月异，背后驱动的算法是扩散模型，其特点在于引入“噪声”的随机性。训练时，噪声通过扩散动力学加入原始数据;生成时，模型则需消除噪声以产出新内容。关键在于如何精准控制噪声的添加时机与量，这直接关系到生成内容的质量。

伊藤宗介指出：“扩散动力学，即噪声方案的选择，长期存在争议。尽管经验显示最优传输动力学在扩散模型中效果显著，但其理论依据尚不明确。”研究团队利用热力学权衡关系，即描述热力学耗散与系统变化速度关系的技术，推导出扩散模型中热力学耗散与数据生成稳健性之间的不等式。该不等式证明了最优传输动力学能确保最稳健的数据生成。

“研究结果显示，对于现实图像生成场景，我们的界限在一定数量级内紧密贴合，”伊藤说，“这表明不等式不仅有助于理解扩散模型中的最佳策略，还对分析生成图像数据的实际应用具有指导意义。”值得一提的是，该研究部分成果出自本科生之手，尤其是第一作者池田光太郎，在数值计算与理论分析方面贡献突出。

伊藤表示：“我们期望研究成果能提升机器学习界对非平衡热力学重要性的认识，并激励包括下一代在内的研究人员，继续探索其在生物与人工信息处理领域的实用性。”

更多信息： Kotaro Ikeda 等，《扩散模型的速度-精度关系：来自非平衡热力学和最优传输的智慧》，《物理评论 X》(2025 年)。期刊信息： Physical Review X