Increased execution time bug (Ryzen CPU only?)

Hi,
I have found a slowdown upon using the `@turbo` macro

```
using LoopVectorization,BenchmarkTools

function testSum(indices,Vectors)
A,B,C,D = Vectors
sum = 0.
for ksum in eachindex(indices)
k = indices[ksum]
sum += A[k] * B[k] +C[k] * D[k]
end
return sum
end

function testSum_avx(indices,Vectors)
A,B,C,D = Vectors
sum = 0.
@turbo for ksum in eachindex(indices)
k = indices[ksum]
sum += A[k] * B[k] +C[k] * D[k]
end
return sum
end

N = 63
Vectors = Tuple(rand(N) for _ in 1:4);
indices = rand(1:N,500);

@btime testSum($indices,$Vectors)
@btime testSum_avx($indices,$Vectors)
```
The output is:

```
510.417 ns (0 allocations: 0 bytes)
871.698 ns (0 allocations: 0 bytes)
```
I found this behaviour on two Ryzen CPU's (Ryzen 2700 and Ryzen 5 3500U).
On an intel CPU (Xeon(R) Gold 6130), the avx version does run faster.

For reference, I have posted a question on this behaviour on https://discourse.julialang.org/t/loopvectorization-almost-doubles-execution-time/64333.

Commencez par exécuter le benchmark fourni testSum et testSum_avx avec @btime sur les processeurs Ryzen et Intel indiqués. Comparez la boucle de base avec la boucle @turbo et consultez la discussion Discourse liée pour avoir le contexte. Le travail est considéré comme terminé lorsque le ralentissement spécifique à Ryzen est expliqué et que le problème est soit corrigé, soit documenté avec ses limitations.

Rédigé par le modèle d'indexation à partir du texte de l'issue.