AVX对齐数组

我使用MSVC12 (Visual Studio 2013 Express)，我试图实现8*8浮点值的快速乘法。问题是对齐:向量实际上有9*n个值，但我总是只需要前8个，所以例如，对于n=0，保证32字节的对齐(当我使用_mm_malloc时)，对于n=1，"第一个"值对齐在4*9 = 36字节。

for(unsigned i = 0; i < n; i++) {
    float *coeff_set = (float *)_mm_malloc(909 * 100 *sizeof(float), 32);
    // this works for n=0, not n=1, n=2, ...
    __m256 coefficients = _mm256_load_ps(&coeff_set[9 * i]);
    __m256 result = _mm256_mul_ps(coefficients, coefficients);
    ...
}

有可能解决这个问题吗?我希望保持我的数据结构，但如果不可能，我会改变它。我发现的一个解决方案是首先在对齐的数组中复制8个浮点数，然后加载它，但是性能损失太高了。