近年、マテリアルインフォマティクス（MI）の進展により、実験・シミュレーション・機械学習を統合した材料設計が注目されている。本研究では、生分解性高分子材料を対象として、分子動力学（MD）によるデータベース構築と、機械学習による物性・生分解性予測を連携させるSim2Real型アプローチを目指している。まず、ポリエステル系化合物を題材に、複数物性（Tgなど）を同時学習するマルチタスク事前学習モデルを構築し、特徴抽出型の転移学習により生分解性（二値分類）を予測した。今後は、富岳を用いて得られるセルロース誘導体のMDシミュレーションデータをソースとして活用し、実験的生分解性との対応を通じて、仮想設計空間から実材料設計への橋渡しを目指す。本講演では、高分子MIの理論的基盤とSim2Real転移の展望について議論する。