Оптимизация Long.bitCount

У меня есть программа, которая выполняет огромное количество вызовов Long.bitCount (), так много, что на нее уходит 33% циклов. одно ядро ​​процессора. Есть ли способ реализовать его быстрее, чем версия Sun JDK?

Я пробовал:

• Этот алгоритм (я думаю, именно так его реализует JDK)
• таблицы поиска различных размеры от 2 ⁸ до 2 ²² (просмотр нескольких битов за раз и добавление результатов)

Но я не мог Как еще можно оптимизировать это для Java?

Примечание : этот вопрос касается оптимизации, специфичной для Java, но этот аналогичный (не зависящий от языка) вопрос имеет много других алгоритмов.