**다중 에이전트 궤적 예측(Multi-agent Trajectory Prediciton)**에서 시간적 안정성을 유지하는 것은 매우 중요하다. 이 안정성을 유지하기 위한 정규화가 부족하면 종종 운동 상태에서 변동이 발생하여 예측이 일관되지 않게 되고, 오류가 증폭되는 결과를 초래한다. 이 연구에서는 신경 상호작용 에너지(Neural Interaction Energy)를 통한 다중 에이전트 궤적 예측(Multi-Agent Trajectory Prediction, MATE)이라는 프레임워크를 소개한다. 이 프레임워크는 신경 상호작용 에너지를 사용하여 에이전트들의 상호작용 운동을 평가하며, 이는 상호작용의 동역학을 포착하고 에이전트들의 미래 궤적에 미치는 영향을 설명한다. 시간적 안정성을 강화하기 위해, 우리는 두 가지 제약 조건을 도입한다: 에이전트 간 상호작용 제약과 에이전트 내 운동 제약. 이 제약들은 시스템과 에이전트 수준에서 시간적 안정성을 보장하기 위해 함께 작용하며, 다중 에이전트 시스템에서 내재된 예측 변동을 효과적으로 완화한다. 네 개의 다양한 데이터셋에 대한 이전 방법들과의 비교 평가 결과, 우리 모델은 뛰어난 예측 정확도와 일반화 능력을 보여준다.