请问如何阐述“并行设计”中的“面积”“时间”“功耗”的tradeoff

刚刚接触“并行化，但是不久就要做个presetation。

请大侠帮我看看，我以下的想法方向对吗?有哪些地方可以引申和扩展的吗?

或者请推荐一些书或者文章。

如下图所示：

横轴并行功能模块的数量（P），红线表示面积（Area）随着并行度的增加而线性增长（理想化处理，忽略增加的routing）;

蓝线表示时间（Time）随着并行度的增加而减小，是个反比例函数。（总的工作量一定）

其中a0是单个功能模块的面积，
t0是单个功能模块处理这么多数据所用的时间。

Slope1 和Slope2分别是两条线的斜率。

我把设计要求定为：|Slope2|的值
大于等于|Slope1|的值的K倍，算是“划算的并行化”，

并在图中找到满足|Slope2|=k|Slope1|的点（P）作为“并行数量”的上限。

流水和单元复制都可以认为是并行化。
吞吐率和延时也都是“时间”方面的度量。
把这四个因素之间的关系考虑清楚，这个问题就解决了。

小弟目前处境：新手，感觉VLSI这一行的术语太多，有的时候大概明白点儿事儿了，却
不知道应该如何学术地表述。
我对parallel的理解，先不提流水线，就是把硬件功能模块增加，用面积来换吞吐量。
我对scalability的理解，就是按照这个设计思路，很容易把更多的硬件模块装进来，
然后吞吐率相同倍数的增加(如果throughput增加，却慢于面积的增加，就是不
scalable)
不知道以上理解对不对。
现在我想描述一个技术，但是不知道用什么术语来说：
   比如输入是x1, x2,x3,x4.....xm (m个数)，计算任务是先得出一个 m by m的方矩
阵，然后通过这个矩阵来算其他的东西，矩阵的元素是 f(xi,xj)。
所以总的计算量是m的平方（不考虑矩阵的对称性）。
   我们可以用一个f(xi,xj)模块，进行2层循环，这样速度最慢，面积最小；
   有的文章用 m 个改进的f模块，一次性地把 m 个输入量（x）都处理了，当然，这
种设计就是为了发论文，m 都不敢很大，而且硬件约束只能允许你处理 m 个数（这一
点还不如串行的设计呢）但是这种文章的关键词都是：parallel 和 scalability。
   我目前找到的算法就是把x1, x2, x3, x4, x5....分成两组，然后分别用2个F模块
分别独立地计算，然后将计算结果高效合并。相比于刚才讲的parallel我感觉这才算是
真正的divide and conquer呢。
   但是我真的不知道要怎么来描述第三种设计，也是parallel和scalable?
我相信我说的这种divide and conquer的方案不是什么新奇的东西，但是我就是不会说
，不知道怎么来学术地阐述这个东西。

学习了

我理解你这里面最基本的问题是这个。
处理矩阵的运算部件的个数。
有两个极端情况。
1个或者m*m个。
其他任何情况，都在这两个端点中间。
或者说，其他任何情况，都是对运算部件个数在总体面积，计算效率上的取舍。
所以你考虑取舍的时候，第一个表的横轴上，应该是运算部件的个数，从1取到m*m。
有了这个横轴后，你可以做。大概2到3套表。
每一套包含三个子图。
第一套这么做：
运算部件按方阵方式增长（1*1,2*2,3*3,...,m*m）。
三个子图的纵轴分别是面积，功耗，时间（可以单独考虑吞吐率，延迟，时钟频率，如果全做，总共可以有5个子图）。
第二套这么做：
运算部件按行增长(1*m,2*m,...,m*m)。还可以稍微细一点，每一行细分成(1/2)m,(1/3)m之类的。
子图和上面一样。
这几套图主要是看你某种配置方式上的变化。
比如你按方阵配置。
这里面“配置方式”最重要，不同的配置方式应该在对数据的计算方式上有较本质的不同。我不知道你到底算什么，怎么算，所以只能说到这。
上面只说了两套，还可以有一套，是运算部分采用比数据采样部分速度更高的时钟。
时钟不可能无限高，根据具体情况，做个2倍到3倍之类的。横轴还可以是部件个数。
至于你说的名词，其实有些名词是可以用在不同场合的。不同场合需要对名词加限定，或者给一个解释。
我不知道你在描述什么，所以没有建议可提供。
只有一条建议，看论文，看书要看国外最顶级的杂志，最顶级的作者的文章和书。
其他的，可以认为是厕所手纸。垃圾论文的作者可能还不如你明白呢。
多看好文章，做研究的前提。

最关键的是把事情描述清楚。
用对名词只是其中一个步骤。