複数粒子系の軌道を複雑なエネルギー景観上でシミュレーションすることは、分子動力学や薬物発見の重要な課題ですが、計算負荷や長時間のシミュレーションから大規模化が難しいのが現状です。これまでのアプローチでは、フローやシュレーディンガーブリッジマッチングなどの手法を用いてデータスナップショットから共通の軌道を学習してきました。しかし、バイオ分子系や異種細胞集団など、多くのシステムは動的相互作用を持ち、静的スナップショットでは捉えきれない動きをしています。この課題を解決するために、相互作用する複数粒子系の一次および二次の確率的動力学を学習する「絡み合ったシュレーディンガーブリッジマッチング（EntangledSBM）」というフレームワークを提案します。この手法は、粒子の速度が他の粒子の軌道によって動的に変化する系を扱い、高次元バイオ分子系における少数遷移や擾乱の影響を正確にシミュレーションする能力を示しています。