佐治亚理工学院(GIT)的研究人员希望通过易化模拟电路的设计和仿真过程，进一步促进模拟技术的发展，并鼓励工程师在产品中采用低功率电路。
如同FPGA在数字信号处理领域取得的非凡成就，GIT大学的研究人员相信，他们的大规模现场可编程模拟阵列(FPAA)在模拟领域具有很大的发展潜力。
当前版本的这些芯片不太可能适应所有应用，但他们可以满足要求最严格的专业应用，例如由生物组织完成的神经系统信号处理的仿真。不管怎么说，这些芯片能使系统的设计、原型创建和测试更快更容易，而且不必制造新的芯片。
另外，FPAA技术可以帮助众多不熟练的用户尝试使用由模拟信号处理团队开发的复杂低功率技术，GIT大学教授Paul Hasler表示。“粗略估计，全球约有3000位高级模拟工程师。”一直关注FPAA技术应用的Hasler指出，“而相比之下，采用DSP的系统设计师数量最保守也要超过一百万。”
如果FPAA能够鼓励这些工程师中即使是一小部分人开始使用模拟技术，情况也将有很大的改观。“目标是将这些技术引入主流设计中。”Hasler表示，“该进程已经通过建立强大的教育基础得以展开，而且已经在普通工程师群体中发生。”
模拟信号处理不会代替数字处理，但将会成为数字处理的有效补充，Hasler指出。他正在重新思考混合信号处理器设计――即融合模拟与数字信号处理，以便充分发掘两种技术的优势。“模拟预处理可以减轻A/D瓶颈问题，并减轻后面的DSP运算负担。”Hasler介绍。
耶鲁大学副教授Eugenio Culurciello认为：“FPAA将以FPGA和数字电路类似的方式，推进可编程模拟模块的集成。它们有巨大的潜力来缩短小型模拟电路组配的原型建立时间，还能够满足大规模阵列的要求。FPAA可以为大多数模拟应用甚至综合仪器提供足够的性能。”
“基恩定律”认为，每秒上百万次乘法-累加运算(MMAC)所需的功率每18个月有两倍的改进。但对于某些应用来说，模拟信号处理的功效超出了数字信号处理3个以上的数量级。
模拟信号处理
虽然模拟电路并不适用于传统的符号运算，但在处理来自传感器的信号方面却具有很多优点。首先，它不需要模拟到数字的转换步骤，因此无需对哪些信息要保留、哪些信号要丢弃做出武断决定。这对数据分辨率和时序都有好处。
另外，在采用模拟运算后，分辨率和运算时间的调整经常要好很多，因为每个额外的“比特”都不要求其自身运行。
对于成像阵列等组合型传感器/处理器芯片来说，还具有并行机制和保持几何完整性的优点。在蜂窝神经网络等设备中，阵列中所有邻近单元间的交互都是同时发生的，这意味着整个捕获到的图像可以用相对较少的步骤完成处理。例如，实验表明，在模拟域中处理拉普拉斯变换的速度最多可以比数字域快3个数量级。
20年前，当时还在加州科技大学的Carver Mead就指出，如果电路不必工作在数字模式下，处理信号的功耗会低许多。这个见解源自Mead对生物神经电路效率做的注解，这种电路的工作方式更多处于模拟而非数字域(它使用神经实体进行运算，而不是某些逐步型算法)。基于生物模型开发高效电路的神经形态工程就是基于这种想法。
“基恩定律”(名称来自TI杰出工程师Gene Frantz，是他首次发现了这个现象)认为，每秒上百万次乘法-累加运算(MMAC)所需的功率每18个月有两倍的改进。数字技术虽然一直在改进，但数字和模拟之间的功效差距一直很大。对于运算量大但功率受限的应用而言，这个差距代表了20年的领先水平。
但对于几乎最严格的应用来说，模拟的优势被实用难度所压制。模拟设计难度大；测试非常耗时，因为它需要制造；形成的解决方案主要针对个别问题，因为它们缺少可编程性。这三大问题合起来又产生了第4个问题：模拟设计在各个年级的电子技术专业学生中不受欢迎。
由于数字设计越来越容易，满意度越来越高，模拟设计靠边站也就容易理解了。这也导致了模拟工程师短缺，进而连建议使用模拟解决方案的人都没有，更不用说被采纳了。
比较容易的方法
由Hasler和其纽约州立大学工作的同事Chris Twigg合作开发的技术，可能最终会解决其中的一些问题。FPAA自身就是用浮动栅极晶体管器件连接的模拟单元网络，它允许单元间的耦合被不断增强或削弱。一旦编程后，它们就不仅是无源线路，而且能主动参与模拟运算。相反，FPGA使用不是最优化的互连作为必要的开销，来提供可编程性。他们常常需要使用长的传输线，不仅会降低性能，而且对运算本身也没有一点好处。
大约有5万个模拟单元的现有器件应该适合“要求大量信号处理、有非常严格的功率预算以及需要快速开发和部署的应用”使用，Franklin W.Olin大学电子与计算机技术系副教授BradMinch指出：“这些FPAA还可以为最终用户定制或量身定做产品。”