Школьный опыт, который перевернул генерацию
Пока весь мир завороженно смотрит на очередные LLM, в тихой академической гавани случилось нечто, от чего у физиков чешутся пальцы, а у AI-инженеров нейроны. На конференции ICLR 2026 группа исследователей из MIT и Stanford представила Electrostatic Field Matching (EFM) — генеративную модель, которая вместо шума и диффузии использует... электростатику. Да, те самые силовые линии, по которым бегали ваши пальцы в школьных опытах с эбонитовой палочкой.
Если помните, diffusion models работают так: берем картинку, добавляем шум маленькими шажками, учим нейросеть убирать шум обратно. Шум — это путь от данных к pure noise и обратно. EFM делает иначе — он представляет распределение данных как заряженную поверхность, а генерацию как движение пробного заряда в электрическом поле этого распределения. Звучит безумно? Работает.
Ключевая идея: вместо последовательного добавления шума EFM строит электростатический потенциал Φ(x), градиент которого ∇Φ(x) указывает направление к области высокой плотности данных. Процесс генерации — движение отрицательного пробного заряда по эквипотенциальным линиям к максимуму потенциала (туда, где данные).
Как это работает: эбонитовая палочка против ReLU
Грубо говоря, авторы взяли уравнение Пуассона для электростатики ∇²Φ = ρ, где ρ — плотность «зарядов», соответсвующих реальным данным. Обучили нейросеть аппроксимировать потенциал Φ(x) так, чтобы его градиент совпадал с так называемым электростатическим полем, создаваемым распределением данных. Затем для генерации достаточно взять случайную начальную точку и проинтегрировать движение частицы вдоль силовых линий этого поля. Никаких стохастических дифференциальных уравнений — чистая детерминированная динамика.
Результат — модель делает от 5 до 20 шагов против 50–1000 у традиционных диффузионных подходов. И при этом не теряет качество. На CIFAR-10 EFM выдает FID 1.98 (против 2.1 у лучших diffusion), на ImageNet 64×64 — 2.34. Скорость генерации при этом в 3–4 раза выше.
| Метод | Шагов | FID (CIFAR-10) |
|---|---|---|
| DDPM | 1000 | 3.2 |
| Score SDE | 500 | 2.4 |
| EFM | 10 | 1.98 |
Не верите? Авторы замерили. Код и веса лежат в открытом доступе — любой может повторить.
Почему это не очередная игрушка
Тренд переноса физики в нейросети набирает обороты. В недавней статье про Wave Field LLM мы уже видели, как волновая физика заменяет attention — теперь настал черед электростатики. EFM — это не просто очередной diffusion-заменитель. Метод обещает быть полезным там, где диффузия буксует: на многообразиях с нетривиальной топологией, на редких данных, при генерации 3D-объектов и молекул.
Кстати, недавно мы рассказывали, как AI ускоряет разработку термоэлектрических генераторов в 10 000 раз. EFM может стать следующим витком — генерировать кристаллические структуры через электростатические потенциалы гораздо естественней, чем через гауссов шум. То же самое относится к квантовым данным в химии — потенциалы там и так правит бал.
Даже в такой хайповой теме, как борьба с галлюцинациями LLM, электростатика может найти место. Если представить residual stream как поле ошибок, то его можно скомпенсировать «внешним» потенциалом — наподобие того, как это делается в Entropy-Adaptive Finetuning, только в терминах поля.
Где пригодится: от картинок до молекул
- Изображения и видео — быстрая генерация в продакшене (дизайн, реклама, прототипирование).
- 3D-сцены — естественная непрерывность поля позволяет генерировать облака точек и меши без этапа реконструкции.
- Молекулярное моделирование — электростатика напрямую связана с физикой молекул; ожидаем прорыва в de novo дизайне лекарств.
- Физическое моделирование — например, генерация электромагнитных полей для ускорителей (вспомните поиск новой физики на БАК — EFM может ускорить симуляции треков частиц).
Что дальше: предсказание
Авторы уже заявили, что работают над версией для latent space — сочетание EFM с VAE даст еще более компактную и быструю модель. Также идут эксперименты с conditioning (текст → поле → объект). Если физики и математики не поленятся, к концу года мы увидим EFM в составе Stable Diffusion 4.0 (шутка, но кто знает).
Совет инженерам: не выбрасывайте диффузию на свалку, но присмотритесь к EFM. Если хотите ускорить генерацию на своем продакшене — это ваш билет. А физики пусть радуются — их наука снова в моде.
