計算ステップが前の結果に依存し、効率的な並列化が不可能な「本質的に直列な問題（Inherently Serial Problems）」を複雑性理論を用いて定式化。

数学的推論、物理シミュレーション、逐次的意思決定などのタスクにおいて、現在の並列処理中心のアーキテクチャには根本的な限界があることを実証。

拡散モデル（Diffusion Models）は推論プロセスが逐次的であるにもかかわらず、これらの直列的な問題を解決する能力を欠いていることを初めて明らかにした。

「計算リソースを投入して並列度を上げれば解決できる」というスケーリング則の前提が、特定の推論タスクでは通用しないことを示唆している。

この理論的限界を知らずにモデル設計を行うと、どれだけ学習データを増やしても解決できない「計算の壁」に突き当たるリスクがある。