تعتبر نماذج الانتشار (Diffusion Models) من أبرز التقنيات المستخدمة في توليد العينات، حيث تعتمد هذه النماذج على استعلامات متكررة لمعدلات الدرجات المتعلمة. في السنوات الأخيرة، تزايدت الدراسات التي تركز على تسريع عمليات أخذ العينات من خلال تقليل عدد التقييمات المطلوبة لمعدلات الدرجات، لكن الحدود المعلوماتية لهذا التسريع لا تزال غامضة. \n\nفي دراسة جديدة، تم تحديد حدود أسفل لاستعلامات المعدلات لنماذج الانتشار، مما يسهم بشكل كبير في تحسين فهمنا لهذه العملية. فقد أثبت الباحثون أنه بالنسبة للتوزيعات ذات الأبعاد (d-dimensional)، فإن أي خوارزمية أخذ عينات تحتاج إلى عدد متكيف لا يقل عن \(\widetilde{\Omega}(\sqrt{d})\) من استعلامات المعدلات، عند وجود تقديرات ذات دقة متعددة الحدود. \n\nتشير نتائج هذه الدراسة إلى أنه ضمن أي ميزانية استعلام كلية متعددة الحدود، يتطلب أخذ العينات الناجح البحث عبر عدد من مستويات الضوضاء المتميزة، مما يقدم تفسيرًا رسميًا لمبررات استخدام جداول الضوضاء متعددة المقاييس في الممارسات العملية.