如何优化这种简单的多值 simd 溅射/广播？

我想将一些 u8 扩展为 u64 ，但我想要的不是直接支持的零扩展或符号扩展，而是 "复制扩展"。有什么好办法可以做到这一点（在使用 avx512 的 intel cpus 上）？示例代码使用的是 rust 语言，但宿主语言并不是最有趣的部分。

#![feature(portable_simd)]#!

使用 std::simd::*；

// 将每个输入字节扩展 8 次
pub fn batch_splat_scalar(x: [u8; 16]) -> [u64; 16] {
  let mut ret = [0; 16]；
  for i in 0.16 {
    ret[i] =
      u64::from_le_bytes([x[i], x[i], x[i], x[i], x[i], x[i], x[i], x[i], x[i], x[i], x[i]])；
  }
  返回
}

pub fn batch_splat_simd(x: u8x16) -> u64x16 {
  Simd::from_array(batch_splat_scalar(x.to_array()))
}

 vpmovzxbq zmm0, qword ptr [rsi] vpbroadcastq zmm0.
        vpbroadcastq zmm1，qword ptr [rip + .LCPI0_0] 
代码
        mov rax, rdi
        vpmuludq zmm2、zmm0、zmm1
        vpbroadcastq zmm3，qword ptr [rip + .LCPI0_1] vpmuludq zmm0，zmm0，zmm1
        vpmuludq zmm0， zmm0， zmm3
        vpsllq zmm0，zmm0，32
        vporq zmm0，zmm2，zmm0
        vmovdqu64 zmmword ptr [rdi]，zmm0
        VPMOVZXBQ ZMM0，QWORD Ptr [RSI + 8］
        VPMULUDQ ZMM1，ZMM0，ZMM1
        vpmuludq zmm0， zmm0， zmm3
        VPSLLQ ZMM0，ZMM0，32
        VPORQ ZMM0、ZMM1、ZMM0
        vmovdqu64 zmmword ptr [rdi + 64]，zmm0
        vzeroupper
        返回

https://godbolt.org/z/67cW5GnKf

是对的，生成的汇编代码对于执行复制扩展来说过于复杂。编译器没有选择最优的指令序列。

以下是一些使用 AVX-512 在 Rust 中对 u8 进行复制扩展到 u64 的更有效方法：

1. 使用 _mm512_broadcastb_epi64 intrinsics：

此 intrinsics 将一个字节广播到 64 位值的低 8 位。然后，可以使用移位和 OR 操作将广播的字节复制到 64 位值的所有字节。

#[target_feature(enable = "avx512f")]
unsafe fn batch_splat_simd_avx512(x: u8x16) -> u64x16 {
    let broadcasted = _mm512_broadcastb_epi64(x.as_i32() as _);
    // 创建一个掩码，其中每个字节都设置为 0x0101010101010101
    let mask = _mm512_set1_epi64(0x0101010101010101);
    // 将广播的值乘以掩码
    let expanded = _mm512_mul_epu64(broadcasted, mask);
    transmute(expanded)
}

2. 使用 vpbroadcastd 和 shuffle 指令：

此方法使用 vpbroadcastd 将每个字节广播到 32 位值。然后，使用 vpshufb 指令将 32 位值交错，生成所需的 64 位值。

#[target_feature(enable = "avx512f")]
unsafe fn batch_splat_simd_avx512_shuffle(x: u8x16) -> u64x16 {
    let broadcasted = _mm256_broadcastd_epi32(x.as_i32() as _);
    // 创建一个 shuffle 掩码，用于交错 32 位值
    let shuffle_mask = _mm256_set_epi8(
        15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0,
        15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0,
    );
    // 使用 shuffle 掩码交错广播的值
    let shuffled = _mm256_shuffle_epi8(broadcasted, shuffle_mask);
    transmute(_mm512_castps256_ps512(shuffled))
}

这些方法应该比最初的代码生成更有效的汇编代码。请注意，这些示例使用 unsafe 代码，因为它们使用 intrinsics 和假设对齐的内存访问。在生产代码中使用这些函数之前，请确保了解其含义。

此外，请务必使用 #[target_feature(enable = "avx512f")] 属性来启用 AVX-512 优化。