关于SIMD技术优化矩阵切片操作性能的技术问询

我最近在实现矩阵的切片功能，这可是线性代数里相当常用的操作。从直观上看，这种算法应该很适合用SIMD来提速——毕竟咱们用到的索引都是整数类型。我自己先写了一段实现代码，逻辑是通过while循环计算索引，把原矩阵里的对应元素拷贝到新数组里：

extension (m : Matrix)
  inline def slice2(rowRange: List[Int], colRange: List[Int]): Matrix =
    val oldRows = range(rowRange, m.rows)
    val oldCols = range(colRange, m.cols)
    val numNewRows = oldRows.size
    val numNewcols = oldCols.size

    val newArr = NArray.ofSize[Double](oldCols.size * oldRows.size)
    var idx = 0
    while idx < newArr.size do
      val i = idx / numNewRows
      val colpos = oldCols(i)
      val stride = colpos * m.rows
      val j = idx % numNewRows
      val rowPos = oldRows(j)
      // println(s"i: $i || j: $j ${stride + rowPos} ")
      newArr(idx) = m.raw(stride + rowPos)
      idx += 1
    end while
    Matrix(newArr, (oldRows.size, oldCols.size))(using BoundsCheck.DoBoundsCheck)

不过现在我有点犯愁：这段代码还是逐元素处理的，感觉完全没发挥出SIMD的并行处理能力。想请教下各位大佬，我该怎么调整这段逻辑，才能让它更好地利用SIMD指令来提升切片操作的性能？有没有具体的优化方向或者代码修改建议呀？

备注：内容来源于stack exchange，提问作者Simon