MIT 生成式人工智能与随机微分方程课程：Flow Matching and Diffusion Models

MIT 开设了一门关于生成式人工智能与随机微分方程的课程，重点关注扩散模型和流匹配模型。 这些模型已成为多种数据模态下生成式 AI 的先进技术。

课程内容

本课程从基本原理入手，构建这些模型的数学框架。学生将通过构建一个简单的图像扩散模型来实践这些概念，并获得随机微分方程的实用知识，这在许多其他领域也很有用。

• 自包含的课程笔记
• 讲座
• 实验室练习

课程旨在让学生通过实践来理解理论。

实验室练习

实验室练习包括三个部分：

• 与随机微分方程的操作
• 流匹配和得分匹配
• 条件图像生成

客座讲师

课程还邀请了来自 Toyota Research 和 MIT 的客座讲师，分享了生成式机器人和蛋白质设计的最新进展。

先修知识

学生需要具备以下知识：

• 线性代数
• 实分析
• 基础概率论
• 熟悉 Python 和 PyTorch

更多信息

请访问 [Flow Matching and Diffusion Models](https://diffusion.csail.mit.edu/) 了解更多信息。