拡散モデルを用いた画像生成は計算要求が急増しており、エネルギー消費と環境への影響に関する懸念が高まっています。本研究では、異なるモデル構成とハードウェアセットアップにおけるエネルギー消費を予測するために、Kaplanスケーリング法則の適用を提案しています。拡散モデルの推論をテキストエンコーディング、反復的脱ノイズ、デコーディングに分解し、脱ノイズ操作がエネルギー消費の大部分を占めると仮定しています。4つの最先端の拡散モデルと3つのGPUアーキテクチャで実験を行い、個々のアーキテクチャ内で高い予測精度を達成しました。これにより、拡散推論の計算制約性が確認され、持続可能なAI展開の計画とカーボンフットプリントの推定の基盤が提供されました。