diff --git a/rfcs/Science/20240904_Diffusion.md b/rfcs/Science/20240904_Diffusion.md
new file mode 100644
index 000000000..08da53d24
--- /dev/null
+++ b/rfcs/Science/20240904_Diffusion.md
@@ -0,0 +1,69 @@
+# NO.8 A physics-informed diffusion model for high-fidelity flow field reconstruction 论文复现
+
+> RFC 文档相关记录信息
+
+|              |                       |
+| ------------ | --------------------- |
+| 提交作者     | AI1LJW                |
+| 提交时间     | 2024-9-10             |
+| RFC 版本号   | v1.0                  |
+| 依赖飞桨版本 | develop 版本          |
+| 文件名       | 20240904_Diffusion.md |
+
+## 1. 概述
+
+### 1.1 相关背景
+
+> 题目： [NO.8 A physics-informed diffusion model for high-fidelity flow field reconstruction 论文复现](https://github.com/PaddlePaddle/community/blob/master/hackathon/hackathon_7th/%E3%80%90Hackathon%207th%E3%80%91%E4%B8%AA%E4%BA%BA%E6%8C%91%E6%88%98%E8%B5%9B%E2%80%94%E7%A7%91%E5%AD%A6%E8%AE%A1%E7%AE%97%E4%BB%BB%E5%8A%A1%E5%90%88%E9%9B%86.md#no8-a-physics-informed-diffusion-model-for-high-fidelity-flow-field-reconstruction-%E8%AE%BA%E6%96%87%E5%A4%8D%E7%8E%B0)
+>
+> 计算流体动力学（CFD）模拟对工程系统与流体流动的相互作用提供有价值的信息，对工程设计和相关领域非常重要。然而，高保真度的CFD模拟，如直接数值模拟（DNS），通常需要在大规模的空间和时间尺度上求解纳维-斯托克斯方程，计算成本很高。而机器学习模型在加速CFD模拟方面显示出潜力，因此论文使用一种仅使用高保真度数据进行训练的扩散模型，用于重建高保真度数据，并且在实验结果表明，该模型能够在不重新训练的情况下，基于不同的输入源产生准确的2D湍流流动重建结果
+
+### 1.2 功能目标
+
+* 复现 DPMM 代码，实现完整的流程，包括：训练、验证、导出。
+* 保持精度与论文精度一致，相对误差在 ±10% 以内。
+* 产出论文相关文档、图片等。
+
+### 1.3 意义
+
+> 复现 DPMM 代码，能够使用 DPMM 模型进行训练、验证、导出。
+
+## 2. PaddleScience 现状
+
+> PaddleScience 套件暂无 DPMM 代码案例，但是可以基于PaddleScience API实现该模型。
+
+## 3. 目标调研
+
+> - 论文解决的问题：将数据重建问题转化为数据去噪问题，并使用去噪扩散概率模型 (DDPM) 从噪声输入中重建高精度 CFD 数据。
+> - 链接：
+>   代码：[https://github.com/BaratiLab/Diffusion-based-Fluid-Super-resolution](https://github.com/BaratiLab/Diffusion-based-Fluid-Super-resolution)
+>   论文：[https://www.sciencedirect.com/science/article/pii/S0021999123000670](https://www.sciencedirect.com/science/article/pii/S0021999123000670)
+>
+>   需将 Pytorch 代码转换为 Paddle
+
+## 4. 设计思路与实现方案
+
+参考 PaddleScience 以及 AiStudio 已有代码实现 DPMM
+
+1. 数据预处理
+2. 模型构建
+3. 超参数设定
+4. 验证训练模型的 rel. error
+
+### 4.1 补充说明[可选]
+
+无
+
+## 5. 测试和验收的考量
+
+> 成功复现DPMM模型，并在论文中的案例上复现精度。
+
+## 6. 可行性分析和排期规划
+
+- 202408：调研
+- 202409：复现代码并作调整
+- 202410：整理项目产出，撰写案例文档
+
+## 7. 影响面
+
+> 丰富[PaddleScience](https://paddlescience-docs.readthedocs.io/zh/latest/)的应用案例，在example目录下增加DPMM模型。