在如下面图片提到的函数`adv_fill_vhalo`中出现了多个循环嵌套进行类似矩阵运算的情况。也许可以访存优化，也许可以并行展开，我觉得是个不错的上手地方。（如果这个矩阵规模比较小，也许需要慎重考虑并行开销，有时候也会用一些花活，比如更加靠近汇编的调用寄存器，当然 这有点太花了，先尝试一些基础的优化吧） <img width="779" alt="image" src="https://github.com/jamesnulliu/SHUBYD_GMCORE/assets/114796727/89749dd3-2e92-442d-a15c-fb2a5cc8b4d2">
在如下面图片提到的函数
adv_fill_vhalo中出现了多个循环嵌套进行类似矩阵运算的情况。也许可以访存优化，也许可以并行展开，我觉得是个不错的上手地方。（如果这个矩阵规模比较小，也许需要慎重考虑并行开销，有时候也会用一些花活，比如更加靠近汇编的调用寄存器，当然 这有点太花了，先尝试一些基础的优化吧）