Badacze opracowali teoretyczne podstawy do dowodu zbieżności modeli dyfuzji w warunkach hipotezy rozmaitości. Praca pokazuje, że proces uczenia się tych modeli można rozbić na fazy: załamania (collapse) i refinement (udoskonalenia). Wyniki mają znaczenie dla zrozumienia fundamentalnych mechanizmów stojących za modelami dyfuzji, które są kluczowe w generacji obrazów i innych zadaniach generacyjnych.