科学遇到大数据，带来哪些挑战？清华大学肖田元教授认为，大数据可分为两大类：来自科学实验与工程的大数据和来自互联网的人类社会活动大数据。对于第一类的大数据的挑战，仿真范式采取“以大化小”，在还原论的指导下，基于已知小世界的规律，建立与运行模型，以发现有组织的更大更复杂的系统的因果规律。现在，日本等许多国家已经实现科学数据密集型运用，包括生命与医疗、粒子物理、天气预报、基因学、地震预报。而面对来自互联网的社会活动大数据，新型应用将致力于为实际的决策提供信息，最终目的是帮助科学家、研究人员、决策者及社会大众做出有充分信息依据的决定。用传统IT技术和软硬件工具无法在可容忍的时间内对其进行感知、获取、管理、处理和服务的数据集合。这就对传统科研范式提出了挑战，需要考察大数据时代科学研究的未来，探索支持科学研究新范式。仿真范式难以解决无组织的大世界的问题，数据密集方法基于统计分析可从整体上研究大世界的相关性。大数据时代数据密集型科学范式是面向大世界，无需定义边界，无需规定规模，只受限于数据，无需模型，不受还原论约束。作为一种整体论的解决方法，可不受时间、空间尺度影响，由数据发现涌现性、演化机制，适应开放复杂大系统的要求。基于数据及其关联网络形成的数据界，通过“机器学习”、数据挖掘，发现这些节点和链接的关联，从而获得整体的知识。通过“众包研究模式”使大规模科学研究成为可能，如Google“流感趋势”项目、地球引擎项目。肖田元教授认为，需要发展仿真范式，与数据密集型方法相融合，实现密集计算与密集数据的集成，以实现无组织的复杂的系统的因果规律的发现。