网页搜索：
计算平台
地理信息系统（如Google Earth、Virtual Earth、Terraserver）在科学界的使用越来越广泛（比如气候学、生物多样性信息科学和流行病学）
传感器网络（sensor network）开始大规模增长
元数据
高性能计算机集群日益普及，科学计算将开始采用符合行业标准的一般操作系统
科学论文背后的数据将采用机器可识别和读取的标准格式
更多科学研究应用程序会在数据库中运行（让应用程序进入数据，而不再是让数据进入应用程序）
创新的模拟和可视化技术（电脑游戏技术和机器学习技术的交汇处）将提供观察复杂现象和模型的新视角
关于分子的机能和架构的知识开始建立
开发出给科学家使用的类似微软“Office”的办公套件，易用、标准化、并集成了大量相关应用程序，如数学素材库、数据管理、论文撰写模板和理论工具等
数据库技术的发展，让可扩展性、分布式优化、系统容错、自管理等方面变成可能
以“受形的物质”为目标（来自超分子化学）
问题
“数字洪流”（data deluge）继续增长
教育——如何培养高度精通计算机技术和数学的新式科学家，成为日益迫切的话题
商业软件公司越来越多地与科研社区合作，在资源共享的基础上，向他们提供免费的源代码、应用程序和组件
公众对科学和全球挑战的认识需要进一步提升
开源领域的发展、投资和经济模型，都开始更为成熟
教育——如何培养高度精通计算机技术和数学的新式科学家，成为日益迫切的话题
计算机科学平台、软件结构和应用程序等领域里的创新，将给主流的企业级计算带来巨大变革
软件变得极度错综复杂，其发展需要整个软件产业的力量提供支持，以提升可靠性和成熟度
教育——如何培养高度精通计算机技术和数学的新式科学家，成为日益迫切的话题
注释：
这个路线草图旨在提供一个简单指引，以揭示2020年科学和计算机领域将会出现或者所需要的研究和开发。
路线图中所指出的项目，代表了一部分正在进行、或预计会出现、或未来所需的关键里程碑和挑战。但是，我们并没有包含一切可能的或未来所需的科技进步。换言之，这一路线图并不包揽了未来所有的人类进步。
为保持简洁，图中主要关注的是生物学领域。但是其他的研究领域（如能源和分子物理学）也同样面临着相似的挑战，并拥有相似的发展阶段。
主要的里程碑或挑战之间本应有线彼此相连，但出于简洁和可读性考虑，此图中没有将这些依赖性和关联性表现出来。
(本文来源：环球企业家 )
