На такую скорость --вряд ли найдешь при твоей размерности. Если только не использовать SSL инструкции на ассемблерных вставках или применение распараллеливания потоков при помощи Cuda процессоров видеокарты NVidia, используя самые быстрые алгоритмы поиска на ассемблере, оптимизированные опытным программистом. Возможно тогда ты и получишь 3,3 m на поиск и замену любой ячейки