잡음이 있는 선형 측정 $y = Ax + \xi$와 사전 분포 $p(x)$의 근사치를 고려할 때, 사후 분포 $p(x \mid y)$에서 샘플링할 수 있는 경우를 연구한다. 사후 샘플링은 inpainting, deblurring, MRI 재구성과 같은 작업에 정확하고 공정한 프레임워크를 제공하지만, 근사 사후 샘플링은 일반적으로 계산적으로 어려운 문제이다. 이 문제를 해결하기 위해 (지역 또는 전역) 로그 오목 분포 $p(x)$에 초점을 맞춘다. Langevin 역학은 정확한 점수가 있는 경우 사후 샘플을 생성하지만, 점수 추정 오류에 취약하다. 반면, 무조건적 설정에서 확산 모델은 점수 오류에 대한 $L^2$ 바운드만으로도 성공한다. 본 연구에서는 확산 모델과 Langevin 역학의 어닐링 변형을 결합하여 점수 오류에 대한 $L^4$ 바운드만을 사용하여 다항 시간 내에 조건부 샘플링을 달성함을 증명한다.
