心血管疾患は世界中で主要な死亡原因であり、心臓の評価には心電図（ECG）が一般的に使用されています。しかし、コストやプライバシー、ワークフローの制約から、大規模で適切に注釈付けされたECGデータセットは不足しています。この論文では、ECG信号生成の重要性を強調し、心臓の電気活動に関するメカニズムの理解を促進するために、シミュレーターおよび経験を強化した拡散モデルであるSE-Diffを提案しています。SE-Diffは、心臓活動の生理学的知識を取り入れ、信号の忠実度を向上させるために、新しい生理学的シミュレーターを拡散プロセスに統合します。また、臨床知識を注入するために、経験取得を強化する戦略を設計し、テキストからECGへの生成に関する信号品質を向上させる実験結果も示しています。この手法はECG分類にも利益をもたらすことが示されています。