Увеличенная скорость несмотря на ложное разделение

Я провел несколько тестов на OpenMP и сделал эту программу, которая не должна масштабироваться из-за ложного разделения массива «sum». Проблема в том, что она масштабируется. Еще хуже»:

• с 1 потоком: 4 секунды (icpc), 4 секунды (g ++)
• с 2 потоками: 2 секунды (icpc), 2 секунды (g ++)
• с 4-мя потоками: 0,5 секунды (icpc), 1 секунда (g ++)

Я действительно не получаю ускорение, которое я получаю с 2 потоков до 4 потоков с помощью компиляторов Intel. Но самое главное: почему масштабирование так хорошо, хотя оно должно показывать ложные данные?

#include <iostream>
#include <chrono>

#include <array>

#include <omp.h>

int main(int argc, const char *argv[])
{
const auto nb_threads = std::size_t{4};
omp_set_num_threads(nb_threads);

const auto num_steps = std::size_t{1000000000};
const auto step = double{1.0 / num_steps};
auto sum = std::array<double, nb_threads>{0.0};
std::size_t actual_nb_threads;

auto start_time = std::chrono::high_resolution_clock::now();
#pragma omp parallel
{
const auto id = std::size_t{omp_get_thread_num()};
if (id == 0) {
// This is needed because OMP might give us less threads
// than the numbers of threads requested
actual_nb_threads = omp_get_num_threads();
}
for (auto i = std::size_t{0}; i < num_steps; i += nb_threads) {
auto x = double{(i + 0.5) * step};
sum[id] += 4.0 / (1.0 + x * x);
}
}
auto pi = double{0.0};
for (auto id = std::size_t{0}; id < actual_nb_threads; id++) {
pi += step * sum[id];
}
auto end_time = std::chrono::high_resolution_clock::now();
auto time = std::chrono::duration_cast<std::chrono::nanoseconds>(end_time - start_time).count();

std::cout << "Pi: " << pi << std::endl;
std::cout << "Time: " << time / 1.0e9 << " seconds" << std::endl;
std::cout << "Total nb of threads actually used: " << actual_nb_threads << std::endl;

return 0;
}