本論文では、ノイズ除去拡散確率モデル（DDPM）におけるサブリニア反復の十分性について議論しています。従来のDDPM分析は、指数オイラー離散化に焦点を当てており、次元や初期フィッシャー情報に依存する保証があった。本研究は、確率的中点法（DDRaM）を活用し、SDEをより良く近似するための追加の確率的中点を導入しました。最近開発された「シフトした合成則」という解析フレームワークを用いることで、このアルゴリズムは適切な滑らかさの仮定の下で有利な離散化特性を持ち、収束を保証するために必要なのはサブリニアな評価回数（$ ilde{O}( ext{√d})$）であることを示しました。これは、DDPMサンプリングのための初のサブリニア複雑性の境界であり、従来の研究ではODEベースのサンプリングを使用していたことと対照的です。また、我々の手法が事前に学習された画像合成モデルを用いて良好な性能を示す実験的検証も行っています。