FPGA là gì? FPGA được sử dụng để làm gì?

FPGA mang lại lợi ích cho nhiều loại thiết bị điện tử khác nhau. Từ điều hướng máy bay, siêu âm y tế đến công cụ tìm kiếm dữ liệu, mọi người dựa vào FPGA để phát triển và sử dụng công nghệ mà họ sử dụng hàng ngày.

Bài viết này sẽ giải đáp FPGA là gì và nó được sử dụng để làm gì. Cùng tìm hiểu ngay sau đây nhé!

FPGA là gì?

FPGA là từ viết tắt của Field Programmable Gate Array. Nó là một thiết bị bán dẫn dựa trên ma trận các Configurable Logic Blocks (CLB), theo đó phần lớn chức năng điện bên trong thiết bị có thể được thay đổi bởi kỹ sư thiết kế.

FPGA được xác định bởi mảng các mạch con kỹ thuật số kết nối với nhau, thực hiện những chức năng chung đồng thời cung cấp mức độ linh hoạt cao. FPGA thuộc về một loại thiết bị được gọi là logic khả trình (hay phần cứng có thể lập trình). FPGA không tự làm bất cứ điều gì; thay vào đó nó có thể cấu hình để trở thành bất kỳ mạch kỹ thuật số nào được yêu cầu. Vậy FPGA hoạt động như thế nào?

FPGA hoạt động như thế nào?

Cách thức hoạt động của FPGA rất đơn giản. Một cấu hình được load vào FPGA, sau đó nó sẽ bắt đầu hoạt động giống như bất kỳ mạch nào bạn yêu cầu. Cấu hình dựa trên RAM của FPGA có nghĩa là nó có thể được cấu hình lại số lần không giới hạn.

Các loại FPGA

Có hai cách chính để phân loại FPGA: Theo cách sắp xếp bên trong của các khối (block) hoặc theo loại công nghệ lập trình. Khi nói đến cách sắp xếp, FPGA thuộc 1 trong 3 loại sau:

1. Mảng đối xứng: Sự sắp xếp này được tạo thành từ hàng và cột của những logic block được kết nối với nhau, bao quanh bởi các block đầu vào/đầu ra.

2. Kiến trúc dựa trên hàng: Sự sắp xếp này xen kẽ các hàng logic block và tài nguyên kết nối có thể lập trình được, với những block đầu vào/đầu ra dọc theo các cạnh.

3. PLD (thiết bị logic có thể lập trình) phân cấp: Những thiết bị này có bố cục phức tạp hơn. Cấp cao nhất được tạo thành từ các logic block và kết nối với nhau. Các logic block chứa những mô-đun logic, có các phần tử chức năng tổ hợp và tuần tự.

Công dụng phổ biến của FGPA

Có vô số cách sử dụng với FPGA bao gồm một loạt các lĩnh vực. Các trường hợp sử dụng phổ biến của FGPA bao gồm:

1. Xử lý video và hình ảnh.
2. Các ứng dụng quân sự.
3. Radio do phần mềm xác định.
4. Tạo hình ảnh y khoa.
5. Giao tiếp có dây và không dây.
6. Tích hợp nhiều thiết bị logic có thể lập trình đơn giản.
7. Nhận diện giọng nói.
8. Mật mã học.
9. Xử lý tín hiệu số.
10. Tạo mẫu ASIC.
11. Bộ điều khiển thiết bị.
12. Các hệ thống giả lập phần cứng máy tính.
13. Tin sinh học (Bioinformatics).
14. Tính toán hiệu suất cao.
15. Hàng không vũ trụ và quốc phòng.
16. Tạo mẫu ASIC.
17. Ô tô.
18. Phát sóng điện tử tiêu dùng.
19. Trung tâm dữ liệu y tế.
20. Dụng cụ khoa học và công nghiệp.

Lợi ích của việc sử dụng FPGA

FPGA cung cấp nhiều lợi thế hơn so với những triển khai thông thường.

Sự khác biệt giữa FPGA và ASIC

ASIC (Application Specific Integrated Circuits) và FPGA có các đề xuất giá trị khác nhau. Điều phân biệt FPGA với ASIC là FPGA có thể được lập trình lại theo yêu cầu ứng dụng hoặc chức năng mong muốn sau khi sản xuất trong khi ASIC được sản xuất tùy chỉnh cho các nhiệm vụ thiết kế cụ thể. Những thay đổi lập trình lại này có thể xảy ra trong quá trình lắp ráp PCB (Printed Circuit Board) hoặc thậm chí sau khi thiết bị đã được chuyển đến khách hàng.

Mặc dù vẫn tồn tại các FPGA lập trình một lần (OTP), nhưng loại phổ biến nhất là dựa trên RAM, khiến chúng có thể lập trình lại khi thiết kế tiếp tục phát triển.

Hơn nữa, FPGA được bán sẵn, không giống như ASIC yêu cầu chu kỳ sản xuất kéo dài vài tháng.

Hiệu suất và tính linh hoạt của FPGA

FPGA cung cấp mức hiệu suất và tính linh hoạt vượt trội, khiến chúng trở thành công nghệ phù hợp cho những người và tổ chức muốn tối ưu hóa chip hoặc thực hiện các thay đổi đối với chip cho khối lượng công việc của họ.

Một ví dụ tuyệt vời về tầm quan trọng ngày càng tăng của FPGA có thể được tìm thấy trong lĩnh vực trí tuệ nhân tạo. Khi trí tuệ nhân tạo tiếp tục đạt được sự liên quan thì tầm quan trọng của FPGA cũng tăng theo. Trong một số trường hợp nhất định, FGPA hoạt động tốt hơn GPU (Graphical Processing Units) trong việc phân tích lượng dữ liệu khổng lồ cho machine learning.