Skip to content

AVX2 FMA 2026 11 14

odashi edited this page Nov 16, 2026 · 1 revision

AVX2・FMA必須環境でのDSP最適化(2026-11-14)

過去の調査・実験ログです。本文の版・条件・結果は記録当時のものです。分類索引 · 技術資料

Draft PR #105(base: main)。

開始:2026-11-14 11:09:26 JST。調査期限:17:09:26 JST。 比較元mainはba12d024181de0270be8b067b2f3d8b894181ebf、最終候補は4736ce6233de8d27d269f9c83d611aadffd61627。

目標は標準41ケースすべて200 ns/ステレオサンプル以下、生成音声の絶対誤差−80 dBFS以下。

最終結果

48 kHz・256フレーム、各30ブロックの対応比較。

環境 main最大ケース平均 最終候補最大ケース平均 200 ns以下 有意短縮 / 差未検出 / 悪化
Linux 294.505 ns 238.969 ns 34/41 39 / 2 / 0
Windows MSVC / Wine 11 288.346 ns 238.559 ns 34/41 37 / 2 / 2

速度目標は未達。WindowsのSquare Lead・Hard Leadに有意な悪化が残るため、最終候補はdraftで保持する。音声は44.1/48/96 kHz、Linux/Windowsの計1,662条件でbit一致し、最大RMS誤差・最大絶対誤差とも0だった。

44.1/96 kHzの補助比較。主判定の48 kHz・30ブロックと分け、各レートを10ブロックで評価する。

誤差条件を緩めた場合

近似計算を組み合わせたC10はLinuxで最大202.279 ns、40/41ケースが200 ns以下。標準123音声条件では最大RMS −99.88 dBFSだが、同位相32ノートの強い位相変調では−33.40 dBFSとなる。Windowsは最大212.642 ns、38/41ケースが200 ns以下で、3ケースの有意な悪化がある。

別枠の速度・誤差一覧と組合せの比較へ、各方式の改善量・誤差・反例の設定・波形とスペクトルをまとめた。

評価方法

AVX2・FMA指定だけの効果と、各処理を書き換えた効果を分離した。探索は最低10ブロック、最終48 kHz比較は30ブロック。ケース×前後をブロック内で無作為に並べ、各実行に演奏1周以上かつ実時間10 ms以上のburn-inを設け、ブロック間は5秒休止する。効果量・95%信頼区間と対応t検定・Holm補正を確認し、分布・自己相関・符号検定・1ブロック除外でも結果を点検した。5秒の休止だけで独立性を保証したとは扱わない。最終候補は探索時とは異なる無作為順序で固定mainと比較した。

振幅1を0 dBFSとし、同時刻・同チャンネルの波形を位置合わせせず比較する。音声の主判定は絶対誤差RMS ≤ 1e−4、ピーク差も記録する。Windowsの測定はMSVCバイナリーをWine 11で実行した結果である。

非対応CPUではVST3のモジュール開始・Factory取得時に拒否し、AVX命令へ到達する前にCPUとOSの状態保存対応を検証する。

実験

各候補は原則として固定mainから独立に作成し、組合せ版への追加効果を分離する比較では、その比較元を各ページに明示する。実装変更の個別比較ではAVX2/FMA有効化だけのバイナリを共通基準とし、最終採用判断では固定mainと統合実装を改めて対応比較する。

実験 改善すべき課題 結果
A00:同じバイナリ同士の対照測定 測定系だけで系統的な前後差が生じていないか確認する。 41ケースすべて差未検出。全ブロックを保存し、個別候補の対応比較を継続する。
A01:コンパイル全体のAVX2・FMA有効化 SSE2を前提としたコード生成をAVX2/FMAへ変更したとき、ソースを変えずに短縮できる処理と悪化する処理を特定する。 単独適用は27短縮・9差未検出・5悪化。Sine・固定PMの退行をO14で解消した組合せC01を経て、AVX2/FMAを現C09へ採用した。
Windows:コンパイル全体のAVX2・FMA有効化 MSVC向けコンパイルでも全体ISA拡張の効果と退行箇所を確かめる。 単独適用は26短縮・11差未検出・4悪化。Sine・固定PMの退行を抑えるO14との組合せを経て、現C09のmain比較は34短縮・7差未検出・悪化0となった。
A02:AVX2ビルドにFMAを許可 ソースを変えず、FMA許可がコード生成・実行時間へ与える効果を分離する。 13短縮・28差未検出・悪化0、全音声fingerprint一致。AVX2にFMAを併せて有効化する設定を採用した。
A03:4値単位のAVX差分mask 134個のパラメーター比較を4lane比較+movemaskへ単純化する。 全41ケースで差未検出。単独採用の根拠なし。
A04:16値をAVX2で圧縮する差分mask 比較結果を4laneからpack・並替えで16bitへまとめ、movemask回数を減らす。 1短縮・40差未検出・悪化0。全項目maskの追加SIMD化による主要オートメーションの改善は小さく、この方式は採用しない。
A05:コード生成単位を1へ削減 関数間最適化を広げるコンパイル設定が有効か検証する。 19ケース悪化。採用しない。
A06:Thin LTO リンク時の関数間最適化で処理時間を削れるか調べる。 1短縮・1悪化・39差未検出。採用しない。
A07:Fat LTO 全体をまとめたリンク時最適化で、残る呼出しやコピーを削れるか調べる。 32ケース悪化。採用しない。
A08:自動ベクトル化の停止による原因切り分け AVX2有効化で悪化したSineと固定位相変調が、自動SIMD化の影響か調べる。 全体への適用は不採用。Sine 18.35→12.51 ns、固定PM 141.10→70.53 nsへ改善する一方、29ケースが悪化する。
A09:SVF係数cacheによる設定検証の省略 同じHz・Q・レートを毎sample再検証しているため、検証済みcacheの一致時に省く。 16短縮・22差未検出・3悪化。無入力・無履歴時の係数準備を調整したA10とC04でも悪化が残り、この検証省略は採用しない。
A10:SVF検証の再利用と無履歴時の省略 同じ設定の検証を省き、無入力・無履歴では係数計算を避ける。 11短縮・27差未検出・3悪化。C03へ加えたC04でもSlow Padが1.88ns悪化したため、採用しない。
A17:検証済み係数キャッシュで入力検査を省略 同じ設定・レートを毎サンプル検証し直す処理を減らす。 6短縮、34差未検出、1悪化。Auto Resonanceが4.74ns悪化するため不採用。
AFX1: EQの積和をFMAへ置換 3帯域TPT EQの積和依存列をFMAで短縮できるか。係数・State配置を保ち、主要式5箇所だけを変更する。 1短縮・30差未検出・10悪化。精度試験には合格したが、EQを含む全体の速度改善に結び付かないため採用しない。
AFX13:2 Voiceのステレオフィルタを4要素で処理する Voiceごとの独立履歴を保ってSVF算術をAVXでまとめる。 不採用。全41ケースは4短縮・14差未検出・23悪化。autoAmountは約12.72ns短縮したが、他に6〜19nsの悪化があり、追加規模に見合わない。
AFX15: Reverbの系列内呼出しを省く 定常系列のloop内へ同じsample本体を展開し、関数呼出し・係数とbuffer pointerの再loadを減らす。 不採用。3短縮37差未検出1悪化。狙ったReverbの2ケースには有意改善がなく、autoCompressorが約2ns悪化。
AFX16: Off EQの単sample呼出しを省く AVX2/FMAビルドでも残るOff EQへの無条件callを、Synthのenabled判定で省略する。 1短縮・40差未検出・悪化0。短縮はAuto Mixの約1.13nsだけで、EQ Offの系列全体への効果を裏付けられないため採用しない。
AFX17: Chorusの系列内呼出しを省く 定常区間のChorus本体をloopへ展開し、sampleごとの呼出しや係数の再loadを省く。 不採用。0短縮32差未検出9悪化。系列内の関数呼出しを省く変更は全体の短縮につながらなかった。
AFX18: tanプリワープの有理近似(誤差目標外) tanの外部呼出しを5段連分数の有理式(Horner積和と除算1回)へ置換したときの速度と誤差を比較する。 15短縮・26差未検出・0悪化。追加の音声条件で−80dBFSを超えるため、誤差条件を緩めた場合の候補として記録する。
AFX19: tanプリワープ7段有理近似(誤差目標外) AFX18よりHornerの次数を一段増やし、速度と近似誤差の折り合いを比較する。 10短縮・31差未検出・0悪化。追加の音声条件で−80dBFSを超えるため、誤差条件を緩めた場合の候補として記録する。
AFX2: Reverbの8線更新を独立ループへ分離 遅延バッファ読出しと出力加算に混在していた8線の低域更新を、4lane SIMDへまとめられるか。 2短縮・39差未検出・悪化0。Reverb Padは約0.54ns短縮したが、Reverb Mix automationの差は検出されず、製品統合は行わない。安全RustによるSIMD生成の比較資料として保持する。
CompressorのWindows exp換算(誤差目標外) Windowsのexp2呼出しを自然指数expへ変更した場合の処理時間と誤差を比較する。 誤差目標を満たさない別枠の速度比較。採用候補とは分離する。
Chorusの4tap有効性判定の集約 左右各2tapの有効性をまとめて照合し、全履歴が読める経路の重複分岐を減らす。 採用しない。意図したChorus Pad・AutoChorus・Flangerはいずれも有意な短縮を検出せず、無関係なAutoDriveだけ短縮した。
Filterの共用係数cacheと積分器の分離 4段分のうち3つが未使用の係数cacheを除き、各VoiceのFilter作業領域を小さくする。 cache縮小だけの構成は3短縮・36差未検出・2悪化で採用しない。Stereo配置とループ形を整えた後続AFX24を現C09へ採用した。
Filterの左右積分器をSIMD lane順に保持する 左右の積分器を別々のscalar状態からpack/scatterする処理を省き、共用cacheと合わせて1VoiceのFilterを小さくする。 不採用。全41ケースは2短縮15差未検出24悪化。独立Filterの静的命令削減がSynthの速度改善へ繋がらなかった。
固定長の積分器更新からflattenの反復を除く AFX23で毎sampleに残ったflatten iteratorと二段使用中の4値の自己書戻しを除き、SoA配置の利益を再評価する。 最終統合へ採用。単体25短縮・16ND・0悪化。C03比は10短縮・29ND・2悪化、最終main比はLinux38短縮/3ND/0悪化・Windows34短縮/7ND/0悪化。
AFX25: フィルタ入力の4値並列検証 左右入力・Hz・レートの有限性判定を4lane比較へまとめる。 不採用。2短縮33差未検出6悪化。SNaN入力では浮動比較がinvalid flagを立てることも実測した。
AFX26: 指数部の整数SIMDによる有限値検証 4値の指数部をAVX2整数AND・比較・movemaskへまとめ、有限性の意味を維持して処理を減らす。 不採用。3短縮32差未検出6悪化。既存bit検査と判定・例外flagは一致したが、全体の性能改善に結び付かなかった。
AFX3: Filter FMA(誤差目標外の速度比較) SVFの依存した積和をFMAへ融合し、誤差制約を除いた場合の速度を比較する。 採用対象から除外。後続Compressorのtiny Kneeで絶対RMS 1.3153e−4(−77.62dBFS)となり、−80dBFS目標を超過する。
C01:固定mainとの比較 統合した発振器変更とAVX2/FMAの効果をmain全体差分で確認する。 38短縮・3差未検出・悪化0。採用した発振器変更の基点として保持し、設定配送を加えたC03、Filter配置を加えたC09へ進めた。
C01:発振器の改善を組み合わせる f64係数・Sine添字・変調状態設定・単発振器の位相更新を統合する。 39短縮・2差未検出・悪化0。最大264.16 ns、30/41ケースが200 ns以下。
C01:Windows MSVC版と固定mainの比較 発振器の統合改善がMSVCターゲットでも有効か確認する。 30短縮・11差未検出・悪化0。WindowsバイナリをWine 11上で実行した比較。
C02:発振器・オートメーション・フィルタの統合 個別に速かった変更を重ねた際の交互作用を検証する。 C01比17短縮・10差未検出・14悪化。この組合せは採用せず、設定配送だけを加えるC03と、Filter/Cutoff変更を独立に評価するC04/C05へ分離した。
C02と固定mainの比較 統合版が固定mainからどれだけ短縮したかを確認する。 Linux main比は39短縮・2差未検出だが、Windows main比で2悪化、C01比で14悪化があったため、この組合せは採用しない。設定配送だけを残すC03へ分離した。
C02:Windows MSVC版の比較 Linux側で組み合わせた変更がWindows側でも効くかを検証する。 31短縮、8差未検出、2悪化。Saw BassとSoft Bassがそれぞれ約1.96ns、1.53ns悪化し、全体構成をそのまま採用する根拠はない。
C03:発振器とオートメーションの組合せ C02からフィルタ検証変更とLinuxカットオフ共有を外して影響を分離する。 C01比15短縮・23差未検出・3悪化。3悪化も保持した上で固定mainとの両OS比較を行い、Linux37短縮・Windows31短縮、悪化0だったため、後続C09の設定配送の基点に採用した。
C03:発振器とオートメーション改善のmain比較 波形演算を維持した発振器変更と設定配送の削減を統合し、固定mainとの差を測る。 37短縮・4差未検出・悪化0。最大平均244.71ns。この探索結果を基点としてFilter配置を加えたC09を構成し、最終の独立seed検証へ渡す。
C04:C03にフィルタ検証の省略を追加 係数キャッシュが一致するとき入力検証を再実行する必要を調べる。 12短縮・28差未検出・1悪化。Slow Padが1.88ns悪化するため、この組合せは採用しない。後続A17もAuto Resonanceの悪化により不採用とした。
C05:Linuxのカットオフ倍率をVoice間で共用 同一時刻に同じcentとなるVoiceのpowfを共用して単サンプル経路を短縮する。 5短縮、23差未検出、13悪化。Auto Cutoff Amountは22.41ns短縮するが、固定Padと他の自動化で悪化するため、この構成は採用しない。
C07: 線形波形表と5段プリワープ近似の組合せ(誤差目標外) 誤差制約を外したときの複数手法の速度改善を、固定mainに対して測定する。 誤差目標外の比較資料として扱う。
C08: 高密度線形波形表と7段プリワープ近似の組合せ(誤差目標外) 波形表を3倍密度にし係数近似を高精度化したとき、組合せの速度と誤差の関係を調べる。 誤差目標外の比較資料として扱う。
C09: C03とステレオFilter状態配置の組合せ 左右積分器を連続配置し係数キャッシュを共用する変更の効果が、発振器とオートメーションを改善済みの構成でも残るか。 C03比10短縮・29差未検出・2悪化。固定mainとの10ブロックではLinux38短縮・Windows34短縮、悪化0だった。この構成と同じWindows実行命令を持つ3e802dcの30ブロックでSquare LeadとHard Leadの悪化を確認したため、初期比較だけで全条件の退行解消とは判断しない。
C10: 線形波形表・Filter状態配置・FMA・係数近似の組合せ(誤差目標外) 有望な短縮を示した近似とFMAをまとめた場合の到達速度を、固定mainに対して調べる。 誤差目標外の比較資料として扱う。
C12:Envelope系列処理の統合比較(Linux) PM系列だけの4値一括生成が、Filter状態整理・設定配送・発振器最適化との組合せでも有益か。 系列処理は不採用。C12対C11ではLinuxが1改善・39差未検出・1悪化、Windowsが2改善・29差未検出・10悪化。単独のPM短縮に対して追加規模の利益が限られ、最終版はFilter状態整理とLinuxだけのEnvelope更新inline指定に絞る。
C12:Envelope系列処理の統合比較(Linux) PM系列だけの4値一括生成が、Filter状態整理・設定配送・発振器最適化との組合せでも有益か。 系列処理は不採用。C12対C11ではLinuxが1改善・39差未検出・1悪化、Windowsが2改善・29差未検出・10悪化。単独のPM短縮に対して追加規模の利益が限られ、最終版はFilter状態整理とLinuxだけのEnvelope更新inline指定に絞る。
C12:Envelope系列処理の統合比較(Windows) PM系列だけの4値一括生成が、Filter状態整理・設定配送・発振器最適化との組合せでも有益か。 系列処理は不採用。C12対C11ではLinuxが1改善・39差未検出・1悪化、Windowsが2改善・29差未検出・10悪化。単独のPM短縮に対して追加規模の利益が限られ、最終版はFilter状態整理とLinuxだけのEnvelope更新inline指定に絞る。
C13:Envelope系列処理の統合比較(Windows) PM系列だけの4値一括生成が、Filter状態整理・設定配送・発振器最適化との組合せでも有益か。 C13はmain比32改善・9差未検出・悪化0、最大平均242.058ns。C12のLinux対C11は1改善・1悪化、Windows対C11は10悪化であり、系列処理の追加規模に対する効果が限られたため、簡潔な最終構成へは不採用。
D01:Voice設定配送の展開範囲を縮める エフェクトのみの変更時に不要なレジスタ退避を省く。 4短縮・37差未検出・悪化0。単独の小幅な短縮は比較資料として保持し、製品の設定配送にはD07/D08を採用する。
EQ設定の既知index換算 EQの各パラメーターが既知でも、index配列のループから汎用のcontrol_kind/control_to_plain呼出しが残る。 全41ケースで差未検出。換算を固定化する追加変更の効果が得られず、不採用。
全同値chunkのbit圧縮を省く 全134値から毎回maskを作る際、同値の16値chunkにも並替え・pack・movemaskが実行される。 2短縮・39差未検出・悪化0。全項目maskの検出方式を変更する案は採用せず、製品ではD08の既知候補だけを比較する方式を採用する。
Synthの既知パラメーター換算を特殊化する Master Volume/Cutoff Amount/Resonance/Pitch等のindexが既知でも、汎用の換算関数へのcallが残る。 2短縮・39差未検出・悪化0。既知項目の換算展開による短縮は限定的で、この追加変更は採用しない。
開始済みFXの同じ末尾設定を省く 開始済みのReverb/Chorus等の設定だけを変えた場合にも、末尾で同じkind/DistortionParametersを渡して再代入・初期化判定している。 短縮0・38差未検出・3悪化。対象setterの省略が全体の速度改善に結び付かず、不採用。
D07:設定配列の引数コピーを除く オートメーション中に毎sample発生する、134値・1072Bの引数用コピーを除く。 8短縮・33差未検出・悪化0。不要な1072Bの値渡しコピーを除く変更をC03および最適化候補4736ce6へ採用した。
D08:既知の変更候補から数値差分を確定する VSTが持つautomation項目をSynthへ伝えず、全134値を毎sample再走査している。 15短縮・26差未検出・悪化0、全音声一致。実製品で既に持つ候補indexを再利用する変更をC03および最適化候補4736ce6へ採用した。
D09:Limiter Enableの同値更新を省く Limiter以外のオートメーションでも、Enableの数値比較と同じboolの書込みが毎sample発生している。 短縮0・39差未検出・2悪化。効果が得られず不採用。
D10:設定代入と変更判定を一度で行う D08はVSTで値を書き換えた後に同じ候補を再走査し、適用済み設定との比較をやり直している。 1短縮・33差未検出・7悪化。不採用としD08を維持する。
D13:比較結果を条件選択でbitへ反映する f64比較からXMM→整数転送・AND・可変shiftへ続く依存関係を短くする。 全41ケースで有意な差を検出せず、不採用。
D14:取り除く候補bitを再利用する 候補走査の可変bitシフトを、既に計算する次のmaskからのXORで省けるか検証する。 1短縮・40差未検出。対象のオートメーションに改善がなく、不採用。
最終実装の追加レート比較:linux 44,100 Hz 48 kHzの主判定から独立した補助比較として、同じ最終実装のレート依存を確認する。 10ブロックで40短縮・1差未検出・0悪化。最大ケース平均227.226 ns、200 ns以内36/41。48 kHzの30ブロック主判定を置き換えない。
最終実装の追加レート比較:linux 96,000 Hz 48 kHzの主判定から独立した補助比較として、同じ最終実装のレート依存を確認する。 10ブロックで37短縮・4差未検出・0悪化。最大ケース平均230.058 ns、200 ns以内36/41。48 kHzの30ブロック主判定を置き換えない。
最終実装の追加レート比較:windows 44,100 Hz 48 kHzの主判定から独立した補助比較として、同じ最終実装のレート依存を確認する。 10ブロックで38短縮・3差未検出・0悪化。最大ケース平均229.034 ns、200 ns以内35/41。48 kHzの30ブロック主判定を置き換えない。
最終実装の追加レート比較:windows 96,000 Hz 48 kHzの主判定から独立した補助比較として、同じ最終実装のレート依存を確認する。 10ブロックで38短縮・3差未検出・0悪化。最大ケース平均236.185 ns、200 ns以内34/41。48 kHzの30ブロック主判定を置き換えない。
最終Filter・Envelopeの独立レビュー
l01-limiter-bounds 既に範囲が決まる内部値の検証または型変換を省略できるか調べる。 短縮幅が小さく、意図した処理の改善を十分に裏付けられないため統合しない。
l02-limiter-size-cast 既に範囲が決まる内部値の検証または型変換を省略できるか調べる。 短縮幅が小さく、意図した処理の改善を十分に裏付けられないため統合しない。
O01:通常波形補間のFMA化 通常帯域波形のHorner式をFMAで短縮する。 22短縮・19差未検出。後段Compressorの極小KneeでRMS誤差が−76.78dBFSとなり目標を超えるため採用しない。
O02:通常波形の4lane読出し 4〜7ユニゾンの帯域波形をAVX2でまとめて補間する。 5短縮・19悪化。5ユニゾンの改善に対し2〜3ユニゾンの悪化があり、そのまま採用しない。
O03:ADAA原始関数補間のFMA化 ADAAのHorner式をFMAで短縮する。 3短縮・38差未検出。極小KneeのCompressor後段でRMS−77.50dBFSの反例があり採用しない。
O04:固定設定の発振器を個別に呼び出す 固定設定のOsc2/3にも汎用7枠経路を使っているため、単発振器用の経路を使う。 2短縮・39差未検出・悪化0、固定PMは約141→93ns。製品には同じ退行をより小さい変更で解消するO14を採用し、この案は比較資料とする。
O05:ADAA Bankの参照渡し 32byteのBankコピーを避け、呼出し間のレジスター操作を減らす。 2短縮・39差未検出・悪化0。対象のPMケースでは短縮を検出せず、採用しない。
O06:正弦波の象限判定を検証済み整数変換へ 範囲が0〜4と既知の値から象限を求める際の飽和変換を省く。 4短縮・37差未検出・悪化0。Sineと固定PMの小幅な短縮を確認し、C01から現C09へ採用した。
O07:ADAAの3点を4laneで並列評価 3つの原始関数を同じ演算順のままAVX2で同時評価する。 2短縮・36差未検出・3悪化。固定PMが142.23→153.17 nsへ悪化するため採用しない。
O08:ADAA closureの値捕捉 ソート済み3点を参照でなく値で捕捉し、ロードを短縮できるか調べる。 3短縮・36差未検出・2悪化。固定PMが141.75→146.28 nsへ悪化するため採用しない。
O09:通常波形係数をf64で保持 f32で丸めた係数値をf64として格納し、毎サンプルの数値型変換を省く。 30短縮・11差未検出・悪化0。旧係数の丸めを保ったまま変換費用を省き、C01から現C09へ採用した。共有テーブルは約7.7MiB増加する。
O10:変調有効フラグの設定位置 変調の有効フラグを毎サンプル代入せず、設定変更時に反映する。 6短縮・35差未検出・悪化0。状態量を増やさず毎sampleの同値更新を省く変更をC01から現C09へ採用した。
O11:4ユニゾン読出しを関数分離 4lane読出しのコードが2〜3ユニゾンの経路へ与える影響を減らす。 21差未検出・20悪化。単独での採用は行わない。
O12:係数の型変換を4要素へまとめる f32係数からf64への変換命令数を減らす。 23短縮・18差未検出・悪化0。O09より共有データが小さい代案として保持し、製品には短縮が大きいO09を採用した。
O13:音量処理の先頭加算 ユニゾン音の加算を最初の積で初期化し、ゼロへの初回加算を省く。 1短縮・40差未検出・悪化0。Three Osc Keysは約3.07ns短縮した。先頭のゼロ加算を省く比較資料として保持し、現C09の音量合成は既存の順序を維持する。
O14:単発振器の位相更新を直接行う 1要素に自動生成されるAVXマスク処理を除く。 単独5短縮・35差未検出・1悪化。Sine・固定PMの大きな短縮をC01へ統合し、固定mainとの比較で悪化0を確認して現C09へ採用した。
O15:通常波形を発振器単位の系列に分ける 定常区間の生成を発振器ごとにまとめる。 22ケースで悪化。採用しない。
O16:位相折返しの条件式 boolから浮動小数への変換を選択式に置き換える。 有意短縮0・悪化8。採用しない。
o19-f64-table-bounds 既に範囲が決まる内部値の検証または型変換を省略できるか調べる。 短縮幅が小さく、意図した処理の改善を十分に裏付けられないため統合しない。
O20:位相更新を4・2・1要素で処理する 可変長AVXマスクを使わず、有効なレーンだけ更新する。 5短縮・30差未検出・6悪化。採用しない。
O21:4ユニゾン以上を専用AVX関数へ分離 f64係数の4lane生成を小さいUnison経路から切り離す。 有意短縮0・差未検出23・悪化18。採用しない。
O22:波形Tableの読出し情報を選択時に保持 Tableを介するoffset/lengthの依存ロードを減らす。 1短縮・39差未検出・1悪化。保持領域の増加に見合う効果がなく、採用しない。
O23:帯域混合と減衰のない波形を特殊化 全ユニゾンのmix=0、gain=1を設定時に判定して生成処理を省く。 有意短縮0・差未検出35・悪化6。採用しない。
o24-sine-sign 命令セットと処理変更による生成時間の変化を測定する。 不採用。0短縮37差未検出4悪化。1行の置換でもSine、Compressor Chords、Limiter Chords、Release Tailで悪化した。
O26:通常波形係数を32byte境界へ整列 32byteセルのAVX読出しがcachelineを跨ぐ配置を、係数や演算を変えずに解消できるか。 mainとの30ブロック比較は39短縮・2差未検出・悪化0。最大238.969 ns。200 nsの全ケース達成には追加改善が必要。
O26:通常波形係数を32byte境界へ整列 32byteセルのAVX読出しがcachelineを跨ぐ配置を、係数や演算を変えずに解消できるか。 mainとの30ブロック比較は37短縮・2差未検出・2悪化。最大238.559 ns、34/41ケースが200 ns以下。Square Lead +2.536 ns、Hard Lead +5.057 nsの悪化が残るためdraftで追加検討する。
R01:発振器改善版へFMAを追加 C01に通常波形のHorner FMAだけを追加し、統合版でも速度効果が続くか調べる。 16短縮、25差未検出。誤差の追加試験で−80dBFSを超えるため、別枠の候補とする。
R02:エンベロープ時刻の除算削減 サンプル数からmsへの換算を、保持した1000/sample_rateとの乗算へ変える。 6短縮・35差未検出・0悪化。追加の音声条件で−80dBFSを超えるため、誤差条件を緩めた場合の候補として記録する。
R03:エンベロープの積和演算 AttackとDecayの線形式をFMAで評価し、算術命令の数を減らす。 0短縮・41差未検出・0悪化。追加の音声条件で−80dBFSを超えるため、誤差条件を緩めた場合の候補として記録する。
R04:波形テーブルの線形補間 3次多項式を2係数の線形補間へ変えて読出し・演算量を減らす。 34短縮、7差未検出、悪化なし。波形誤差の追加条件で−80dBFSを超えるため、誤差条件を緩めた候補として別扱いにする。
R05:エンベロープの区間長の除算削減 R02の時刻換算に加え、各線形区間の時間の逆数を保持してramp計算の除算を省く。 4短縮・37差未検出・0悪化。追加の音声条件で−80dBFSを超えるため、誤差条件を緩めた場合の候補として記録する。
R06: 線形波形テーブルを3倍密度へ増やす
V01:準備済みVoice経路の早期選択 設定の再照合を準備済みの生成経路へ切り替えて省く。 有意短縮0・差未検出25・悪化16。採用しない。
V02:エンベロープ時刻の条件付き整数変換 通常の経過サンプル数を符号付きの範囲で変換し、u64からf64への変換コストを抑える。 0短縮、34差未検出、7悪化。追加分岐・命令を持つ方式は採用しない。
V03:LinuxでもVoice間のカットオフ倍率を共有 同じ時刻の同じcent値のpowfを複数Voiceで繰り返さない。 10短縮・19差未検出・12悪化。Linux全経路への共有cacheは採用しない。単sampleだけのV07と組合せC05にも悪化が残った。
V04:Envelope更新のインライン展開 サンプル単位のEnvelope::update_sample呼出しを展開して、Voice側との最適化を促す。 単独5短縮・36差未検出・悪化0。旧構成C06では4悪化となり、Filter配置を変更したC11ではLinux39短縮・悪化0を確認したためLinux限定で3e802dcへ適用した。WindowsのC11比較には2悪化があるが、属性を追加していないC09と同じコードの30ブロック比較でも両ケースが悪化したため、inline指定だけを原因とは扱わない。
V05:Envelope更新と発振器生成の順序 サンプル値を取得した後のEnvelope更新を発振器処理より前へ移し、依存関係とレジスタ使用を変える。 4短縮、34差未検出、3悪化。Bassは約4〜5ns短縮したが、3種の自動化は約2〜3ns悪化するため統合しない。
V07:単サンプル経路だけでCutoff倍率を共有 Linuxのオートメーション中に、同時刻・同じcent値のpowfを共有する。 単独8短縮・32差未検出・1悪化。最大約20ns短縮するが、統合C05では5短縮・23差未検出・13悪化となったため、採用しない。
V08: ノート基準Cutoff積の設定時キャッシュ ノート周波数とCutoff倍率の積を毎サンプル再計算せず、設定変更時に保持して乗算1回を省く。 不採用。41ケース全てで有意差を検出せず、Voiceごとの状態追加に見合う短縮が得られなかった。
v09-envelope-extra 命令セットと処理変更による生成時間の変化を測定する。 不採用。追加10ケース全てで30.45〜47.32 nsの有意悪化。音声fingerprintは一致した。
AHDSRの同一区間から次の4値を先行計算する 絶対時刻から求めるAHDSRの演算順を保ちながら、次の4値をまとめてpacked f64 divisionへ変換し、サンプルごとの除算を減らせるか。 不採用。標準41ケースで短縮0・差未検出5・悪化36。Pad+14〜16ns、autoReverb約+18ns。
AHDSRの4式を明示して実測binaryのcallbackを省く V10/V11のCGU16でarray.mapのcallbackが4回残ったため、固定4要素を明示してpacked演算を成立させる。 単独3改善・38差未検出・悪化0だが、C12統合でLinux1ケース・Windows10ケースが悪化し、追加規模に見合う全体改善を維持できず不採用。

音声精度・境界条件

CPU起動条件

実装・安全性・追加資料

Clone this wiki locally