本文探讨了多种基于薛定谔桥的生成模型和算法，如Diffusion SB、CDGS和TreeDSB，旨在高效学习和解决分布间的运输映射问题。研究表明，这些方法在高维数据和无配对样本的情况下，能够实现高质量的生成和有效的动态传输映射。

该文综述扩散生成模型研究，涵盖随机控制统一采样与变分推断以提升表达力、确定性推理策略加速采样25倍、结合扩散映射与朗格朗日动力学解决稳定性问题、薛定谔桥建模非归一化密度、去随机扩散加速离散模型、能量扩散生成器实现准确KL估计、扩展动力学融合采样与规划，以及Stein变分梯度训练随机网络逼近目标分布。

薛定谔桥研究提出多种求解方法，包括轻量级无模拟求解器、GSBM分布匹配算法、高斯过程估计、正反向随机微分方程似然训练、扩散SB方法及树状扩散SB算法，应用于图像生成、时间序列插补和单细胞响应分析等领域。

文章探讨生成式AI在桥梁设计中的应用，利用GAN和PixelCNN学习梁桥、拱桥、斜拉桥、悬索桥数据集，生成非对称新桥型，展现原创能力，并涉及能量模型、场景图生成、显著目标检测及薛定谔桥等生成学习方法。