تعتمد النماذج التوليدية الشائعة للانتشار على عملية انتشار جاوسية لتدرّب التحويلات العكسية، والتي يمكن استخدامها بعدها لتوليد عينات من ضوضاء جاوسية. ومع ذلك، فإن البيانات الواقعية غالبًا ما تحدث في فضاءات منفصلة للحالات، بما في ذلك العديد من التطبيقات العلمية. في هذا العمل، نطوّر صيغة نظرية لعمليات ماركوف ذات حالات منفصلة بشكل عام في عملية الانتشار الأمامية باستخدام تحليل دقيق (بخلاف التحليل التقديرية). ونربط هذه النظرية بالانتشار الجاوسية في الفضاءات المستمرة الموجودة مسبقًا، وكذلك بأساليب أخرى للانتشار المنفصل، ونحدد العملية العشوائية العكسية الزمنية والدالة المُدرِّكة (score function) في الإطار الزمني المستمر، والتحويل العكسي الزمني في الإطار الزمني المنفصل. كمثال على هذا الإطار، نقدّم "الانتشار المُظلم" (Blackout Diffusion)، الذي يتعلّم إنتاج عينات من صورة فارغة بدلًا من الضوضاء. تؤكد التجارب العددية على مجموعات بيانات CIFAR-10 وBinarized MNIST وCelebA إمكانية تطبيقنا. وتوسّعنا من العمليات الأمامية المحددة (الجاوسية) إلى عمليات ذات حالات منفصلة دون استخدام تقريب تقديرية يُضيء على طريقة تفسير نماذج الانتشار، والتي نناقشها في هذا السياق.