arXivで公開されている論文『Deep Unsupervised Learning using Nonequilibrium Thermodynamics』（Jascha Sohl-Dickstein、Eric A. Weiss、Niru Maheswaranathan、Surya Ganguliによる共著、2015年3月12日提出）は、拡散確率モデル（diffusion probabilistic models）の起源となる研究とされています。同論文は、非平衡熱力学（nonequilibrium thermodynamics）に着想を得た生成モデリング手法を提案しており、データ分布の構造を反復的な『前方拡散過程（forward diffusion process）』によって徐々に、体系的に破壊し、その過程を学習によって逆転させるという2段階の枠組みを核としています。著者らは、この手法が『柔軟性と扱いやすさ（flexibility and tractability）』を同時に実現し、数千層・数千ステップに及ぶ深層生成モデルの効率的な学習とサンプリングを可能にすると主張しており、オープンソースの参照コードも公開されました。この論文は、2020年のDenoising Diffusion Probabilistic Models（DDPM）論文などより5年早く発表された、拡散モデルという概念そのものの起源にあたります。