연구진은 희소한 연속 데이터에 적합하도록 디퓨전 모델(DM)을 개선하는 Sparsity-Exploiting Diffusion(SED) 방법을 제시했어요. SED는 훈련 및 추론 시 0 값을 건너뛰어 불필요한 계산을 줄이고, 기존 DM과 동등하거나 더 나은 생성 품질을 유지해요. 물리학, 생물학 벤치마크에서 SED는 기존 DM과 전문 분야 기준을 능가하는 성능을 보여줬어요.