FPGA ها چیست؟

آرایه های دروازه قابل برنامه ریزی Field-P (FPGAs) دستگاه های نیمه هادی هستند که حول محور یک ماتریس بلوک های منطقی قابل پیکربندی (CLBs) متصل از طریق اتصالات قابل برنامه ریزی هستند، بر خلاف مدارهای یکپارچه نرم افزار (ASIC) که به سختی برای یک تابع واحد سیم کشی می شوند، یک FPGA می تواند پس از تولید دوباره برنامه ریزی شود تا هر منطق دیجیتال را اجرا کند (این انعطاف پذیری به دست می رسد) و یا استفاده از یک توصیف سخت افزاری (و یا معکوس).

معماری داخلی همچنین شامل بلوک های حافظه جاسازی شده (BRAM)، برش سیگنال دیجیتال (DSP) و برش های سرعت بالا I/O Transceivers مدرن FPGA ها کل سیستم های پردازنده را ادغام می کنند - به عنوان مثال، دستگاه های AMD Zynq ترکیبی از هسته های ARM با منطق قابل برنامه ریزی، و آنها را به سیستم واقعی بر روی تراشه ها (SoC) پیکربندی ذخیره شده است، در طول عملیات S-برنامه ریزی شده در هر دستگاه یا حتی اجازه می دهد تا دوباره دوباره دوباره دوباره ذخیره شوند.

چرا FPGA را بر روی تکنولوژی های جایگزین انتخاب کنید؟

تصمیم به استفاده از FPGA اغلب به یک معامله بین عملکرد، انعطاف پذیری و هزینه می رسد.در زیر مزایای کلیدی است که FPGA ها را به صدها برنامه کاربردی ترغیب می کند.

پردازش موازی گسترده

FPGA ها به طور ذاتی موازی هستند، در حالی که یک CPU دستورالعمل ها را به طور متوالی اجرا می کند، یک FPGA می تواند هزاران جریان داده را به طور همزمان پردازش کند.این باعث می شود آنها برای کارهای با نفوذ بالا مانند پردازش ویدیو زمان واقعی، رادیو تعریف شده نرم افزار و شتاب سخت افزار، شرکت هایی مانند مایکروسافت و آمازون FPGA ها را در مراکز داده خود برای سرعت جستجو و محاسبات ابری، به کار بگیرند.

دانلود زیرنویس فارسی فیلم Low Latency and Decisionistic Timing

از آنجا که منطق به طور مستقیم در سخت افزار اجرا می شود، مدارهای FPGA می توانند به تاخیرهای تعیین کننده در محدوده نانو ثانیه دست یابند، این امر برای کنترل صنعتی، رانندگی مستقل (سیستم های محرک پیشرفته) و سیستم های تجاری که میکرو ثانیه ها مهم هستند، حیاتی است.

قابلیت پیکربندی بدون هزینه Redesign

در مقایسه با ASIC ها که نیاز به آرایش های ماسک گران قیمت و ماه های ساخت دارند، FPGA می تواند در ثانیه دوباره برنامه ریزی شود.این اجازه می دهد تا برای نمونه سازی، ارتقاء زمینه و توانایی سازگاری با استانداردهای در حال تغییر (به عنوان مثال، کدک های ویدئویی جدید یا الگوریتم های رمزگذاری) بدون جایگزینی سخت افزار.

قدرت-تحریم برای عملکرد های خاص

در حالی که FPGA ها قدرت بیشتری نسبت به ASIC ها برای یک تابع معین مصرف می کنند، اغلب به عملکرد بسیار بهتری نسبت به CPU ها و GPU ها برای حجم داده یا حجم کاری خط لوله ای دست می یابند.با سفارشی کردن منطق به عملیات مورد نیاز، دستورالعمل های غیر ضروری و سربار حافظه حذف می شوند.

طراحی با FPGAs: از ایده به اجرای

زبان های توصیف سخت افزار (HDLs)

ورودی اولیه طراحی برای FPGA ها از طریق HDL. VHDL و Verilog رایج ترین است، اگرچه ابزارهای جدیدتر سطح بالا (HLS) به طراحان اجازه می دهد تا در C / C++ یا SystemVerilog بنویسند. این کد به حداقل یک لیست خالص سنتز می شود، که سپس به بلوک های منطق موجود و مسیر استفاده کلیدی از همان دستگاه های طراحی شده می تواند از تغییرات مختلف باشد.

توسعه و شبیه سازی

قبل از برنامه ریزی FPGA، شبیه سازی کامل ضروری است.ابزارهایی مانند ModelSim یا Survivaldo Simulator به طراحان اجازه می دهد زمان، تصحیح عملکردی و مصرف انرژی را تأیید کنند.برای سیستم های پیچیده، تست سخت افزار در حلقه (HIL) می تواند سیگنال های دنیای واقعی را با مدل های شبیه سازی ترکیب کند.

دانلود بازی Bitstream Generation

خروجی نهایی جریان طراحی FPGA یک فایل بیت جریان است.این باینری شامل داده های پیکربندی برای تمام LUT ها، مسیریابی muxes و مسدود کردن رمها است.برنامه نویسی از طریق JTAG، فلش اشپیگل یا بیش از یک شبکه برای به روز رسانی های از راه دور انجام می شود. بسیاری از FPGA ها از پیکربندی مجدد پشتیبانی می کنند - تغییر بخشی از منطق در حالی که بقیه کار می کنند - اجازه می دهد منابع پویا.

FPGA درخواست در سراسر صنایع

FPGA ها به مراتب فراتر از نقش سنتی خود در منطق چسب حرکت کرده اند. تطبیق پذیری آنها باعث می شود آنها در دامنه های زیر ضروری باشند.

ارتباطات و 5G

FPGA ها پردازش سیگنال های دیجیتال عظیم را در ایستگاه های پایه انجام می دهند، برنامه نویسی کانال / کد نویسی را انجام می دهند و از پرتو سازی برای MIMO گسترده حمایت می کنند.توانایی آنها برای قرمز شدن به استانداردهای مختلف رادیویی (LTE، 5G NR، Wi-Fi 6 بدون تغییرات سخت افزاری یک صرفه جویی عمده برای اپراتورهای شبکه است. ⁇ (در حال حاضر بخشی از AMD) صنعت با رابط های سریع و الزامات جلو متصل می شود.

خودرو - از ADAS تا رانندگی خودکار

در وسایل نقلیه مدرن، FPGA ها برای ترکیب سنسور (radar، LiDAR، دوربین ها)، تشخیص شی در زمان واقعی و تصمیم گیری استفاده می شوند.آنها تأخیر پایین مورد نیاز برای جلوگیری از برخورد را فراهم می کنند و اغلب با شتاب دهنده های GPU در کنترل کننده های دامنه ترکیب می شوند.به عنوان مثال، خانواده Zynq UltraScale به طور گسترده در سیستم عامل های خودرو به تصویب رسیده است.

تصویربرداری پزشکی و تشخیص

سونوگرافی زمان واقعی، CT و سیستم های MRI به FPGA ها برای تولید پرتو، بازسازی تصویر و فیلتر کردن متکی هستند.معماری موازی آنها می تواند میلیون ها نقطه داده را در ثانیه پردازش کند و تصویر با وضوح بالا را با حداقل تاخیر، به علاوه، FPGA ها در دستگاه های تشخیصی قابل حمل که مصرف برق باید پایین بماند، امکان پذیر کند.

فضا و دفاع

پردازش سیگنال رادار، ارتباطات امن و سیستم های جنگ الکترونیک نیاز به عملکرد بالا و ناهمواری دارد. FPGA ها در این بخش معمولاً انواع پرتوی سخت دارند (به عنوان مثال، Microchip RTAX یا سری Q ⁇ Q) که در محیط های شدید کار می کنند.

مراکز داده و تجارت مالی

غول های فناوری مانند گوگل، مایکروسافت و AWS FPGA ها را به زیرساخت سرور خود متصل کرده اند تا سرعت یادگیری ماشین، پردازش بسته شبکه و پرس و جو پایگاه داده را تسریع کنند.در معاملات با فرکانس بالا، FPGA ها می توانند بسته های کاری شبکه را تجزیه و تحلیل کنند و معاملات را در زیر یک میکرو ثانیه اجرا کنند - سرعت با راه اندازی های مبتنی بر نرم افزار غیر ممکن است.

FPGA در مقابل ASIC در مقابل GPU: انتخاب ابزار مناسب

هر تکنولوژی دارای یک نقطه شیرین متمایز است. ASICs به بالاترین عملکرد و پایین ترین قدرت برای یک عملکرد ثابت دست می یابد، اما نیاز به حجم بالا (میلیون ها واحد) برای توجیه GPU های NRE. در وظایف تجزیه و تحلیل داده با شدت محاسباتی بالا (به عنوان مثال، آموزش یادگیری عمیق) دارند. FPGA ها زمین وسط را اشغال می کنند: آنها نزدیک به عملکرد مولکولی برای بسیاری از وظایف سازگار با انعطاف پذیری استاندارد هستند که اغلب نیاز به سرعت در برنامه های سرعت در حال توسعه دارند.

توسعه تکنولوژی های FPGA و آینده

هوش مصنوعی و یادگیری ماشین Acceleration

FPGA ها به طور فزاینده ای به عنوان شتاب دهنده های استنتاج در لبه استفاده می شوند، قدرت پایین و تاخیر تعیین کننده آنها را برای روبات های مستقل، هواپیماهای بدون سرنشین و ابزار OpenVINO صنعتی اینتل و AI Vitis AMD قادر می سازد تا توسعه دهندگان شبکه های عصبی آموزش دیده را بر روی FPGA با کمترین تلاش، به عنوان شبکه برتر تبدیل به متنوع تر، توانایی بازسازی مدل های مختلف از شتاب دهنده بهره وری تبدیل کنند.

ادغام و چیپاتوژنی

نسل بعدی FPGA ها به سمت معماری چند نفره حرکت می کنند، با ترکیب منطق، حافظه و بلوک های آنالوگ در یک بسته واحد با استفاده از Interposers، طراحان می توانند سیستم های عظیم (هزاران سلول های منطقی) را بدون محدود شدن با اندازه ی reticle بسازند.این شبیه به چگونگی ادغام CPU و FPGA در همان تراشه است - مثال و Veral یک پلت فرم اول است.

Open-Source Hardware and Tools

از لحاظ تاریخی، طراحی FPGA به زنجیره های ابزار اختصاصی قفل شده است. ظهور پروژه های منبع باز مانند یوsys (برای سنتز) و بعدیپوئنسر (برای مکان و روتر) دموکراتیزه سازی توسعه FPGA، به ویژه برای دستگاه های کوچکتر Lattice و Gowin است.این روند ممکن است مانع ورود به دانش آموزان و سرگرمی های نوآوری در سخت افزار سفارشی را کاهش دهد.

امنیت و اعتماد به اعدام

با نگرانی فزاینده نسبت به تروجان های سخت افزاری و حملات زنجیره تامین، FPGA ها ویژگی های امنیتی منحصر به فرد را ارائه می دهند. Bitstream Encrypt، احراز هویت و توانایی جداسازی منطق در دامنه های امنیتی مختلف، آنها را برای برنامه هایی مانند امن ترین و سخت افزار بلاک چین جذاب می کند. وزارت دفاع ایالات متحده به طور فعال در زمینه های ضد امنیت FPGA سرمایه گذاری می کند.

شروع کار با توسعه FPGA

برای مهندسان و سرگرمی های جدید به FPGAs، نقطه شروع انتخاب یک هیئت مدیره توسعه است. گزینه های مقرون به صرفه شامل Digilent Basys 3 (Artix-7)، Lattice iCEstick یا سری Gowin Nano Tang.The Learning به طور معمول با منطق ترکیبی ساده (LED چشمک می زند، شمارنده)، پیشرفت به ماشین های دولتی و پروتکل های ارتباطی (U) و سپس پردازنده های پیچیده مانند طرح های ساده ای مانند RISV.

در این میان، منابعی مانند ، ، [[FLT|S|FLT|S|FLT|3|و اسناد رسمی]]، |FLT:5|FLT|F|FLT|6| [F] [F7|3|2|و یا [F2] [در این [F2] [به صورت حساب می آید که [در این کار می کند و [در این کار می کنند که [در این کار می کنند، [در این کار می کنند.

نتیجه گیری

فن آوری FPGA همچنان به سرعت در حال تکامل است، با عبور از شکاف بین انعطاف پذیری نرم افزار تعریف شده و عملکرد سطح سخت افزار، از زیرساخت های مخابراتی که باید با سرعت در حال تحول استانداردهای 5G همگام شوند، به دستگاه های پزشکی که خواستار پردازش تصویر زمان واقعی هستند، و برای لبه شتاب دهنده های AI که بر روی باتری اجرا می شوند -FPGA ها موج بعدی نوآوری الکترونیکی را قادر می کنند تا ابزارهای طراحی سایت ما را دوباره کاهش دهند، به این ابزار های سفارشی و همچنین نیاز به سرعت می دهند تا نیازهای طراحی سایت را کاهش دهند، به سیستم عامل های قابل دسترس تر کنند، به سرعت بیشتری برسند، به سرعت بیشتری برسند، زیرا قابلیت های طراحی سایت را افزایش دهند و قابلیت های ساده سازی را افزایش دهند و قابلیت های ساده ای را فراهم کنند، به عنوان یک پلتفرم های ساده سازی را فراهم کنند، به سرعت پردازش کنند، به عنوان یک پلتفرم های نرم افزار را افزایش دهند، و برای تنظیم کنند، و برای تنظیم مجدد را فراهم کنند، و برای تنظیم سریع تر از طریق قابلیت های الکترونیکی را افزایش دهند، به عنوان یک پلتفرم های ساده سازی های بهینه سازی های نرم افزار و برای تنظیم مجدد نیازهای طراحی سایت های بهینه سازی های نرم افزار را به عنوان یک پلتفرم های نرم افزار را افزایش دهند، به عنوان یک پلتفرم های