1 基本概念
1.1 定義と目的
展開は、ループ構造の反復回数を削減するために、ループ本体のコードを複数回複製して並べるコンパイラ最適化技法である。主な目的は、ループ制御に伴う条件分岐やカウンタ更新のオーバーヘッドを低減し、命令レベルの並列性を高めることにある。これにより、プロセッサのパイプライン処理やベクトル化を効率的に活用し、実行時間を短縮する。ただし、コードサイズが増大するため、メモリ制約とのトレードオフが常に考慮される。
1.2 ループ展開の原理
1.2.1 ループ制御オーバーヘッドの削減
ループは通常、反復ごとにカウンタの増加、終了条件の判定、分岐命令を実行する。これらの制御命令はループ本体の計算に対して付加的なコストとなる。展開により、ループ本体を複数回連結することで、ループの反復回数が減り、制御命令の実行回数が比例して減少する。例えば、N回のループを4倍に展開すれば、制御命令の回数は約1/4になる。
1.2.2 データ依存性と並列性の向上
展開によってループ本体に複数の独立した命令列が生成されるため、コンパイラやプロセッサはこれらの命令を並列にスケジュールしやすくなる。特に、各反復間でデータ依存性が弱い場合、展開後のコードから命令レベルの並列性（ILP）を引き出しやすくなる。また、ベクトル化の際にも、展開によって連続したメモリアクセスパターンが生成され、SIMD命令の適用が促進される。
2 展開の種類と技法
2.1 完全展開
2.1.1 固定回数ループへの適用
完全展開は、ループの反復回数がコンパイル時に既知で、かつ小さい場合に適用される。ループ全体をその回数だけ複製し、ループ構造そのものを除去する。例えば、反復回数が4のループは、4つの同じコードブロックに展開され、制御命令は一切不要になる。これによりオーバーヘッドが完全に排除されるが、コードサイズは反復回数に比例して増大する。適用は主に小さな定数回数ループに限定される。
2.2 部分展開
2.2.1 展開係数の決定
部分展開では、ループ本体を一度に実行する回数（展開係数）を選択し、その倍数回分のコードを生成する。展開係数は、ターゲットプロセッサのレジスタ数、キャッシュラインサイズ、命令スケジューリングの制約などを考慮して決定される。一般的な値は2、4、8などであり、コンパイラはプロファイル情報やヒューリスティクスを用いて最適な係数を選択する。
2.2.2 残余ループの処理
元のループの反復回数が展開係数の倍数でない場合、残余の反復を処理するための残余ループ（エピローグループ）が必要になる。例えば、10回のループを4倍に展開する場合、2回の展開（8回分）と、残り2回を処理する小さなループが生成される。残余ループのオーバーヘッドを最小化するため、展開係数はできるだけ反復回数の約数に近い値が選ばれる。
2.3 動的展開
2.3.1 実行時プロファイルに基づく適応展開
動的展開は、実行時に収集されるプロファイル情報に基づいて、ループの展開度合いを動的に変更する技法である。コンパイル時には複数の展開バージョン（例えば展開無し、2倍、4倍）を生成し、実行時にループの反復回数や分岐パターンに応じて適切なバージョンを選択する。これにより、静的な展開では対応できない可変的な状況（例えば入力依存のループ）でも最適な性能を得られる。ただし、コードサイズは複数バージョン分増加し、実行時の選択オーバーヘッドも発生する。
3 最適化効果とトレードオフ
3.1 パフォーマンス向上
3.1.1 命令キャッシュとパイプラインへの影響
展開によりループ本体が大きくなるため、命令キャッシュの利用率に影響を与える。展開係数が適切であれば、ループ全体が命令キャッシュに収まり、キャッシュミスが減少する。一方、展開しすぎると命令キャッシュ容量を超え、逆にミス率が上昇する可能性がある。また、展開によって分岐命令の数が減るため、パイプラインの分岐予測ミスが減少し、スループットが向上する。
3.1.2 ベクトル化対応の促進
展開によってループ内の連続したメモリアクセスパターンがより明確になるため、コンパイラは自動ベクトル化（SIMD命令の生成）を適用しやすくなる。例えば、配列の要素を順次処理するループを展開すると、複数の要素を同時にロード・ストアする命令に変換できる。これにより、特に科学技術計算や画像処理などの分野で大幅な性能向上が期待できる。
3.2 コードサイズの増大
3.2.1 キャッシュミスのリスク
展開によって生成されるコードサイズが大きくなると、命令キャッシュに収まりきらなくなる可能性がある。特に、ループサイズが大きい場合や、複数のループを同時に展開した場合、命令キャッシュミスが頻発し、本来の性能向上が相殺される。このため、展開係数の選択はターゲットプロセッサのキャッシュサイズを考慮する必要がある。
3.2.2 埋め込みシステムでの制約
埋め込みシステムでは、ROMやフラッシュメモリの容量に厳しい制限がある。展開によるコードサイズ増大は、ファームウェアのサイズ制限を超える原因となりうる。したがって、埋め込み向けのコンパイラでは展開を控えめに設定するか、ユーザーが明示的に制御できるオプションが提供されることが多い。また、コードサイズがクリティカルな場合は、展開を完全に無効にする選択も行われる。
4 関連技術と応用
4.1 コンパイラによる自動展開
4.1.1 最適化レベルとコンパイラフラグ
多くのコンパイラ（GCC、Clang、MSVCなど）は、最適化レベルに応じて自動展開を実行する。例えば、-O2や-O3では部分展開が有効になることが多い。また、-funroll-loopsや-fno-unroll-loopsといったフラグで明示的に展開の有効・無効を指定できる。コンパイラは内部のコストモデルに従って展開係数を決定するが、ユーザーは#pragma unrollや属性指定子を用いて特定のループに対する展開指示を与えられる場合もある。
4.2 ループ変換との組み合わせ
4.2.1 ループ融合との相互作用
ループ融合（loop fusion）は、複数のループを一つにまとめる変換であり、展開と組み合わせることでさらなる最適化が可能になる。例えば、融合後のループを展開すれば、一度のループ反復で複数の計算を実行でき、繰り返しのオーバーヘッドを削減できる。ただし、融合によってデータ依存性が強まる場合があり、展開の効果が減少することもある。
4.2.2 ループ分配との比較
ループ分配（loop distribution）は、一つのループを複数のループに分割する変換であり、展開とは逆の方向性を持つ。分配はループ内の依存関係を緩和して並列性を高める目的で使われるが、展開と併用する場合は、分配後に各ループを個別に展開することがある。両者は目的が異なるため、最適な性能を得るには対象ループの特性に応じて適切な順序で適用する必要がある。
4.3 高レベル合成（HLS）における展開
4.3.1 ハードウェア設計での展開手法
高レベル合成（HLS）では、C/C++などのソフトウェア記述からハードウェア回路を生成する際に、ループ展開が重要な最適化として用いられる。展開により、ループの各反復を並列に実行するハードウェアモジュールを生成できる。例えば、4倍に展開されたループは、4つの独立した演算器で同時に処理される。これによりスループットが向上するが、使用するリソース（LUT、DSP、BRAM）は増加する。HLSツールでは、#pragma HLS unrollなどのプラグマで展開係数を指定し、面積と性能のトレードオフを調整する。