src/gromacs/gmxlib/nonbonded/nb_kernel_avx_128_fma_single/kernelutil_x86_avx_128_fma_single.h

   1 /*
   2  * This file is part of the GROMACS molecular simulation package.
   3  *
   4  * Copyright (c) 2012,2013,2014, by the GROMACS development team, led by
   5  * Mark Abraham, David van der Spoel, Berk Hess, and Erik Lindahl,
   6  * and including many others, as listed in the AUTHORS file in the
   7  * top-level source directory and at http://www.gromacs.org.
   8  *
   9  * GROMACS is free software; you can redistribute it and/or
  10  * modify it under the terms of the GNU Lesser General Public License
  11  * as published by the Free Software Foundation; either version 2.1
  12  * of the License, or (at your option) any later version.
  13  *
  14  * GROMACS is distributed in the hope that it will be useful,
  15  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  16  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  17  * Lesser General Public License for more details.
  18  *
  19  * You should have received a copy of the GNU Lesser General Public
  20  * License along with GROMACS; if not, see
  21  * http://www.gnu.org/licenses, or write to the Free Software Foundation,
  22  * Inc., 51 Franklin Street, Fifth Floor, Boston, MA  02110-1301  USA.
  23  *
  24  * If you want to redistribute modifications to GROMACS, please
  25  * consider that scientific software is very special. Version
  26  * control is crucial - bugs must be traceable. We will be happy to
  27  * consider code for inclusion in the official distribution, but
  28  * derived work must not be called official GROMACS. Details are found
  29  * in the README & COPYING files - if they are missing, get the
  30  * official version at http://www.gromacs.org.
  31  *
  32  * To help us fund GROMACS development, we humbly ask that you cite
  33  * the research papers on the package. Check out http://www.gromacs.org.
  34  */
  35 #ifndef _kernelutil_x86_avx_128_fma_single_h_
  36 #define _kernelutil_x86_avx_128_fma_single_h_
  37
  38
  39 #include <math.h>
  40 #include <immintrin.h>
  41 #ifdef _MSC_VER
  42 #    include <intrin.h>
  43 #else
  44 #    include <x86intrin.h>
  45 #endif
  46
  47 #define gmx_mm_castsi128_ps   _mm_castsi128_ps
  48 #define gmx_mm_extract_epi32  _mm_extract_epi32
  49
  50 /* Work around gcc bug with wrong type for mask formal parameter to maskload/maskstore */
  51 #ifdef GMX_SIMD_X86_AVX_GCC_MASKLOAD_BUG
  52 #    define gmx_mm_maskload_ps(mem, mask)       _mm_maskload_ps((mem), _mm_castsi128_ps(mask))
  53 #    define gmx_mm_maskstore_ps(mem, mask, x)    _mm_maskstore_ps((mem), _mm_castsi128_ps(mask), (x))
  54 #    define gmx_mm256_maskload_ps(mem, mask)    _mm256_maskload_ps((mem), _mm256_castsi256_ps(mask))
  55 #    define gmx_mm256_maskstore_ps(mem, mask, x) _mm256_maskstore_ps((mem), _mm256_castsi256_ps(mask), (x))
  56 #else
  57 #    define gmx_mm_maskload_ps(mem, mask)       _mm_maskload_ps((mem), (mask))
  58 #    define gmx_mm_maskstore_ps(mem, mask, x)    _mm_maskstore_ps((mem), (mask), (x))
  59 #    define gmx_mm256_maskload_ps(mem, mask)    _mm256_maskload_ps((mem), (mask))
  60 #    define gmx_mm256_maskstore_ps(mem, mask, x) _mm256_maskstore_ps((mem), (mask), (x))
  61 #endif
  62
  63 /* Normal sum of four xmm registers */
  64 #define gmx_mm_sum4_ps(t0, t1, t2, t3)  _mm_add_ps(_mm_add_ps(t0, t1), _mm_add_ps(t2, t3))
  65
  66 static gmx_inline int gmx_simdcall
  67 gmx_mm_any_lt(__m128 a, __m128 b)
  68 {
  69     return _mm_movemask_ps(_mm_cmplt_ps(a, b));
  70 }
  71
  72 static gmx_inline __m128 gmx_simdcall
  73 gmx_mm_calc_rsq_ps(__m128 dx, __m128 dy, __m128 dz)
  74 {
  75     return _mm_macc_ps(dx, dx, _mm_macc_ps(dy, dy, _mm_mul_ps(dz, dz)));
  76 }
  77
  78 /* Load a single value from 1-4 places, merge into xmm register */
  79
  80 static gmx_inline __m128 gmx_simdcall
  81 gmx_mm_load_4real_swizzle_ps(const float * gmx_restrict ptrA,
  82                              const float * gmx_restrict ptrB,
  83                              const float * gmx_restrict ptrC,
  84                              const float * gmx_restrict ptrD)
  85 {
  86     __m128 t1, t2;
  87
  88     t1 = _mm_unpacklo_ps(_mm_load_ss(ptrA), _mm_load_ss(ptrC));
  89     t2 = _mm_unpacklo_ps(_mm_load_ss(ptrB), _mm_load_ss(ptrD));
  90     return _mm_unpacklo_ps(t1, t2);
  91 }
  92
  93
  94 static gmx_inline void gmx_simdcall
  95 gmx_mm_store_4real_swizzle_ps(float * gmx_restrict ptrA,
  96                               float * gmx_restrict ptrB,
  97                               float * gmx_restrict ptrC,
  98                               float * gmx_restrict ptrD, __m128 xmm1)
  99 {
 100     __m128 t2, t3, t4;
 101
 102     t2       = _mm_permute_ps(xmm1, _MM_SHUFFLE(1, 1, 1, 1));
 103     t3       = _mm_permute_ps(xmm1, _MM_SHUFFLE(2, 2, 2, 2));
 104     t4       = _mm_permute_ps(xmm1, _MM_SHUFFLE(3, 3, 3, 3));
 105     _mm_store_ss(ptrA, xmm1);
 106     _mm_store_ss(ptrB, t2);
 107     _mm_store_ss(ptrC, t3);
 108     _mm_store_ss(ptrD, t4);
 109 }
 110
 111
 112 static gmx_inline void gmx_simdcall
 113 gmx_mm_increment_4real_swizzle_ps(float * gmx_restrict ptrA,
 114                                   float * gmx_restrict ptrB,
 115                                   float * gmx_restrict ptrC,
 116                                   float * gmx_restrict ptrD, __m128 xmm1)
 117 {
 118     __m128 tmp;
 119
 120     tmp = gmx_mm_load_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD);
 121     tmp = _mm_add_ps(tmp, xmm1);
 122     gmx_mm_store_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD, tmp);
 123 }
 124
 125
 126 static gmx_inline void gmx_simdcall
 127 gmx_mm_load_4pair_swizzle_ps(const float * gmx_restrict p1,
 128                              const float * gmx_restrict p2,
 129                              const float * gmx_restrict p3,
 130                              const float * gmx_restrict p4,
 131                              __m128 * gmx_restrict c6, __m128 * gmx_restrict c12)
 132 {
 133     __m128 t1, t2, t3, t4;
 134     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p1);
 135     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p2);
 136     t3   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p3);
 137     t4   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p4);
 138     t1   = _mm_unpacklo_ps(t1, t3);
 139     t2   = _mm_unpacklo_ps(t2, t4);
 140     *c6  = _mm_unpacklo_ps(t1, t2);
 141     *c12 = _mm_unpackhi_ps(t1, t2);
 142 }
 143
 144
 145
 146
 147 static gmx_inline void gmx_simdcall
 148 gmx_mm_load_shift_and_1rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 149                                          const float * gmx_restrict xyz,
 150                                          __m128 * gmx_restrict      x1,
 151                                          __m128 * gmx_restrict      y1,
 152                                          __m128 * gmx_restrict      z1)
 153 {
 154     __m128 t1, t2, t3, t4;
 155
 156     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 157     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz);
 158     t3   = _mm_load_ss(xyz_shift+2);
 159     t4   = _mm_load_ss(xyz+2);
 160     t1   = _mm_add_ps(t1, t2);
 161     t3   = _mm_add_ss(t3, t4);
 162
 163     *x1  = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 164     *y1  = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 165     *z1  = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 166 }
 167
 168
 169 static gmx_inline void gmx_simdcall
 170 gmx_mm_load_shift_and_3rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 171                                          const float * gmx_restrict xyz,
 172                                          __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 173                                          __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 174                                          __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3)
 175 {
 176     __m128 tA, tB;
 177     __m128 t1, t2, t3, t4, t5, t6;
 178
 179     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 180     tB   = _mm_load_ss(xyz_shift+2);
 181
 182     t1   = _mm_loadu_ps(xyz);
 183     t2   = _mm_loadu_ps(xyz+4);
 184     t3   = _mm_load_ss(xyz+8);
 185
 186     tA   = _mm_movelh_ps(tA, tB);
 187     t4   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 2, 1, 0));
 188     t5   = _mm_permute_ps(tA, _MM_SHUFFLE(1, 0, 2, 1));
 189     t6   = _mm_permute_ps(tA, _MM_SHUFFLE(2, 1, 0, 2));
 190
 191     t1   = _mm_add_ps(t1, t4);
 192     t2   = _mm_add_ps(t2, t5);
 193     t3   = _mm_add_ss(t3, t6);
 194
 195     *x1  = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 196     *y1  = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 197     *z1  = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 198     *x2  = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 199     *y2  = _mm_permute_ps(t2, _MM_SHUFFLE(0, 0, 0, 0));
 200     *z2  = _mm_permute_ps(t2, _MM_SHUFFLE(1, 1, 1, 1));
 201     *x3  = _mm_permute_ps(t2, _MM_SHUFFLE(2, 2, 2, 2));
 202     *y3  = _mm_permute_ps(t2, _MM_SHUFFLE(3, 3, 3, 3));
 203     *z3  = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 204 }
 205
 206
 207 static gmx_inline void gmx_simdcall
 208 gmx_mm_load_shift_and_4rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 209                                          const float * gmx_restrict xyz,
 210                                          __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 211                                          __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 212                                          __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3,
 213                                          __m128 * gmx_restrict x4, __m128 * gmx_restrict y4, __m128 * gmx_restrict z4)
 214 {
 215     __m128 tA, tB;
 216     __m128 t1, t2, t3, t4, t5, t6;
 217
 218     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 219     tB   = _mm_load_ss(xyz_shift+2);
 220
 221     t1   = _mm_loadu_ps(xyz);
 222     t2   = _mm_loadu_ps(xyz+4);
 223     t3   = _mm_loadu_ps(xyz+8);
 224
 225     tA   = _mm_movelh_ps(tA, tB);
 226     t4   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 2, 1, 0));
 227     t5   = _mm_permute_ps(tA, _MM_SHUFFLE(1, 0, 2, 1));
 228     t6   = _mm_permute_ps(tA, _MM_SHUFFLE(2, 1, 0, 2));
 229
 230     t1   = _mm_add_ps(t1, t4);
 231     t2   = _mm_add_ps(t2, t5);
 232     t3   = _mm_add_ps(t3, t6);
 233
 234     *x1  = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 235     *y1  = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 236     *z1  = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 237     *x2  = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 238     *y2  = _mm_permute_ps(t2, _MM_SHUFFLE(0, 0, 0, 0));
 239     *z2  = _mm_permute_ps(t2, _MM_SHUFFLE(1, 1, 1, 1));
 240     *x3  = _mm_permute_ps(t2, _MM_SHUFFLE(2, 2, 2, 2));
 241     *y3  = _mm_permute_ps(t2, _MM_SHUFFLE(3, 3, 3, 3));
 242     *z3  = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 243     *x4  = _mm_permute_ps(t3, _MM_SHUFFLE(1, 1, 1, 1));
 244     *y4  = _mm_permute_ps(t3, _MM_SHUFFLE(2, 2, 2, 2));
 245     *z4  = _mm_permute_ps(t3, _MM_SHUFFLE(3, 3, 3, 3));
 246 }
 247
 248
 249 static gmx_inline void gmx_simdcall
 250 gmx_mm_load_1rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 251                                   const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 252                                   __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1)
 253 {
 254     __m128  t1, t2, t3, t4;
 255     __m128i mask = _mm_set_epi32(0, -1, -1, -1);
 256     t1             = gmx_mm_maskload_ps(ptrA, mask);
 257     t2             = gmx_mm_maskload_ps(ptrB, mask);
 258     t3             = gmx_mm_maskload_ps(ptrC, mask);
 259     t4             = gmx_mm_maskload_ps(ptrD, mask);
 260     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 261     *x1           = t1;
 262     *y1           = t2;
 263     *z1           = t3;
 264 }
 265
 266
 267 static gmx_inline void gmx_simdcall
 268 gmx_mm_load_3rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 269                                   const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 270                                   __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 271                                   __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 272                                   __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3)
 273 {
 274     __m128 t1, t2, t3, t4;
 275     t1            = _mm_loadu_ps(ptrA);
 276     t2            = _mm_loadu_ps(ptrB);
 277     t3            = _mm_loadu_ps(ptrC);
 278     t4            = _mm_loadu_ps(ptrD);
 279     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 280     *x1           = t1;
 281     *y1           = t2;
 282     *z1           = t3;
 283     *x2           = t4;
 284     t1            = _mm_loadu_ps(ptrA+4);
 285     t2            = _mm_loadu_ps(ptrB+4);
 286     t3            = _mm_loadu_ps(ptrC+4);
 287     t4            = _mm_loadu_ps(ptrD+4);
 288     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 289     *y2           = t1;
 290     *z2           = t2;
 291     *x3           = t3;
 292     *y3           = t4;
 293     t1            = _mm_load_ss(ptrA+8);
 294     t2            = _mm_load_ss(ptrB+8);
 295     t3            = _mm_load_ss(ptrC+8);
 296     t4            = _mm_load_ss(ptrD+8);
 297     t1            = _mm_unpacklo_ps(t1, t3);
 298     t3            = _mm_unpacklo_ps(t2, t4);
 299     *z3           = _mm_unpacklo_ps(t1, t3);
 300 }
 301
 302
 303 static gmx_inline void gmx_simdcall
 304 gmx_mm_load_4rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 305                                   const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 306                                   __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 307                                   __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 308                                   __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3,
 309                                   __m128 * gmx_restrict x4, __m128 * gmx_restrict y4, __m128 * gmx_restrict z4)
 310 {
 311     __m128 t1, t2, t3, t4;
 312     t1            = _mm_loadu_ps(ptrA);
 313     t2            = _mm_loadu_ps(ptrB);
 314     t3            = _mm_loadu_ps(ptrC);
 315     t4            = _mm_loadu_ps(ptrD);
 316     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 317     *x1           = t1;
 318     *y1           = t2;
 319     *z1           = t3;
 320     *x2           = t4;
 321     t1            = _mm_loadu_ps(ptrA+4);
 322     t2            = _mm_loadu_ps(ptrB+4);
 323     t3            = _mm_loadu_ps(ptrC+4);
 324     t4            = _mm_loadu_ps(ptrD+4);
 325     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 326     *y2           = t1;
 327     *z2           = t2;
 328     *x3           = t3;
 329     *y3           = t4;
 330     t1            = _mm_loadu_ps(ptrA+8);
 331     t2            = _mm_loadu_ps(ptrB+8);
 332     t3            = _mm_loadu_ps(ptrC+8);
 333     t4            = _mm_loadu_ps(ptrD+8);
 334     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 335     *z3           = t1;
 336     *x4           = t2;
 337     *y4           = t3;
 338     *z4           = t4;
 339 }
 340
 341
 342 static gmx_inline void gmx_simdcall
 343 gmx_mm_decrement_1rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 344                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 345                                        __m128 x1, __m128 y1, __m128 z1)
 346 {
 347     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 348     t5          = _mm_unpacklo_ps(y1, z1);
 349     t6          = _mm_unpackhi_ps(y1, z1);
 350     t7          = _mm_shuffle_ps(x1, t5, _MM_SHUFFLE(1, 0, 0, 0));
 351     t8          = _mm_shuffle_ps(x1, t5, _MM_SHUFFLE(3, 2, 0, 1));
 352     t9          = _mm_shuffle_ps(x1, t6, _MM_SHUFFLE(1, 0, 0, 2));
 353     t10         = _mm_shuffle_ps(x1, t6, _MM_SHUFFLE(3, 2, 0, 3));
 354     t1          = _mm_load_ss(ptrA);
 355     t1          = _mm_loadh_pi(t1, (__m64 *)(ptrA+1));
 356     t1          = _mm_sub_ps(t1, t7);
 357     _mm_store_ss(ptrA, t1);
 358     _mm_storeh_pi((__m64 *)(ptrA+1), t1);
 359     t2          = _mm_load_ss(ptrB);
 360     t2          = _mm_loadh_pi(t2, (__m64 *)(ptrB+1));
 361     t2          = _mm_sub_ps(t2, t8);
 362     _mm_store_ss(ptrB, t2);
 363     _mm_storeh_pi((__m64 *)(ptrB+1), t2);
 364     t3          = _mm_load_ss(ptrC);
 365     t3          = _mm_loadh_pi(t3, (__m64 *)(ptrC+1));
 366     t3          = _mm_sub_ps(t3, t9);
 367     _mm_store_ss(ptrC, t3);
 368     _mm_storeh_pi((__m64 *)(ptrC+1), t3);
 369     t4          = _mm_load_ss(ptrD);
 370     t4          = _mm_loadh_pi(t4, (__m64 *)(ptrD+1));
 371     t4          = _mm_sub_ps(t4, t10);
 372     _mm_store_ss(ptrD, t4);
 373     _mm_storeh_pi((__m64 *)(ptrD+1), t4);
 374 }
 375
 376
 377 static gmx_inline void gmx_simdcall
 378 gmx_mm_decrement_3rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 379                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 380                                        __m128 x1, __m128 y1, __m128 z1,
 381                                        __m128 x2, __m128 y2, __m128 z2,
 382                                        __m128 x3, __m128 y3, __m128 z3)
 383 {
 384     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10;
 385     __m128 t11, t12, t13, t14, t15, t16, t17, t18, t19;
 386     __m128 t20, t21, t22, t23, t24, t25;
 387     t13         = _mm_unpackhi_ps(x1, y1);
 388     x1          = _mm_unpacklo_ps(x1, y1);
 389     t14         = _mm_unpackhi_ps(z1, x2);
 390     z1          = _mm_unpacklo_ps(z1, x2);
 391     t15         = _mm_unpackhi_ps(y2, z2);
 392     y2          = _mm_unpacklo_ps(y2, z2);
 393     t16         = _mm_unpackhi_ps(x3, y3);
 394     x3          = _mm_unpacklo_ps(x3, y3);
 395     t17         = _mm_permute_ps(z3, _MM_SHUFFLE(0, 0, 0, 1));
 396     t18         = _mm_movehl_ps(z3, z3);
 397     t19         = _mm_permute_ps(t18, _MM_SHUFFLE(0, 0, 0, 1));
 398     t20         = _mm_movelh_ps(x1, z1);
 399     t21         = _mm_movehl_ps(z1, x1);
 400     t22         = _mm_movelh_ps(t13, t14);
 401     t14         = _mm_movehl_ps(t14, t13);
 402     t23         = _mm_movelh_ps(y2, x3);
 403     t24         = _mm_movehl_ps(x3, y2);
 404     t25         = _mm_movelh_ps(t15, t16);
 405     t16         = _mm_movehl_ps(t16, t15);
 406     t1          = _mm_loadu_ps(ptrA);
 407     t2          = _mm_loadu_ps(ptrA+4);
 408     t3          = _mm_load_ss(ptrA+8);
 409     t1          = _mm_sub_ps(t1, t20);
 410     t2          = _mm_sub_ps(t2, t23);
 411     t3          = _mm_sub_ss(t3, z3);
 412     _mm_storeu_ps(ptrA, t1);
 413     _mm_storeu_ps(ptrA+4, t2);
 414     _mm_store_ss(ptrA+8, t3);
 415     t4          = _mm_loadu_ps(ptrB);
 416     t5          = _mm_loadu_ps(ptrB+4);
 417     t6          = _mm_load_ss(ptrB+8);
 418     t4          = _mm_sub_ps(t4, t21);
 419     t5          = _mm_sub_ps(t5, t24);
 420     t6          = _mm_sub_ss(t6, t17);
 421     _mm_storeu_ps(ptrB, t4);
 422     _mm_storeu_ps(ptrB+4, t5);
 423     _mm_store_ss(ptrB+8, t6);
 424     t7          = _mm_loadu_ps(ptrC);
 425     t8          = _mm_loadu_ps(ptrC+4);
 426     t9          = _mm_load_ss(ptrC+8);
 427     t7          = _mm_sub_ps(t7, t22);
 428     t8          = _mm_sub_ps(t8, t25);
 429     t9          = _mm_sub_ss(t9, t18);
 430     _mm_storeu_ps(ptrC, t7);
 431     _mm_storeu_ps(ptrC+4, t8);
 432     _mm_store_ss(ptrC+8, t9);
 433     t10         = _mm_loadu_ps(ptrD);
 434     t11         = _mm_loadu_ps(ptrD+4);
 435     t12         = _mm_load_ss(ptrD+8);
 436     t10         = _mm_sub_ps(t10, t14);
 437     t11         = _mm_sub_ps(t11, t16);
 438     t12         = _mm_sub_ss(t12, t19);
 439     _mm_storeu_ps(ptrD, t10);
 440     _mm_storeu_ps(ptrD+4, t11);
 441     _mm_store_ss(ptrD+8, t12);
 442 }
 443
 444
 445 static gmx_inline void gmx_simdcall
 446 gmx_mm_decrement_4rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 447                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 448                                        __m128 x1, __m128 y1, __m128 z1,
 449                                        __m128 x2, __m128 y2, __m128 z2,
 450                                        __m128 x3, __m128 y3, __m128 z3,
 451                                        __m128 x4, __m128 y4, __m128 z4)
 452 {
 453     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11;
 454     __m128 t12, t13, t14, t15, t16, t17, t18, t19, t20, t21, t22;
 455     __m128 t23, t24;
 456     t13         = _mm_unpackhi_ps(x1, y1);
 457     x1          = _mm_unpacklo_ps(x1, y1);
 458     t14         = _mm_unpackhi_ps(z1, x2);
 459     z1          = _mm_unpacklo_ps(z1, x2);
 460     t15         = _mm_unpackhi_ps(y2, z2);
 461     y2          = _mm_unpacklo_ps(y2, z2);
 462     t16         = _mm_unpackhi_ps(x3, y3);
 463     x3          = _mm_unpacklo_ps(x3, y3);
 464     t17         = _mm_unpackhi_ps(z3, x4);
 465     z3          = _mm_unpacklo_ps(z3, x4);
 466     t18         = _mm_unpackhi_ps(y4, z4);
 467     y4          = _mm_unpacklo_ps(y4, z4);
 468     t19         = _mm_movelh_ps(x1, z1);
 469     z1          = _mm_movehl_ps(z1, x1);
 470     t20         = _mm_movelh_ps(t13, t14);
 471     t14         = _mm_movehl_ps(t14, t13);
 472     t21         = _mm_movelh_ps(y2, x3);
 473     x3          = _mm_movehl_ps(x3, y2);
 474     t22         = _mm_movelh_ps(t15, t16);
 475     t16         = _mm_movehl_ps(t16, t15);
 476     t23         = _mm_movelh_ps(z3, y4);
 477     y4          = _mm_movehl_ps(y4, z3);
 478     t24         = _mm_movelh_ps(t17, t18);
 479     t18         = _mm_movehl_ps(t18, t17);
 480     t1          = _mm_loadu_ps(ptrA);
 481     t2          = _mm_loadu_ps(ptrA+4);
 482     t3          = _mm_loadu_ps(ptrA+8);
 483     t1          = _mm_sub_ps(t1, t19);
 484     t2          = _mm_sub_ps(t2, t21);
 485     t3          = _mm_sub_ps(t3, t23);
 486     _mm_storeu_ps(ptrA, t1);
 487     _mm_storeu_ps(ptrA+4, t2);
 488     _mm_storeu_ps(ptrA+8, t3);
 489     t4          = _mm_loadu_ps(ptrB);
 490     t5          = _mm_loadu_ps(ptrB+4);
 491     t6          = _mm_loadu_ps(ptrB+8);
 492     t4          = _mm_sub_ps(t4, z1);
 493     t5          = _mm_sub_ps(t5, x3);
 494     t6          = _mm_sub_ps(t6, y4);
 495     _mm_storeu_ps(ptrB, t4);
 496     _mm_storeu_ps(ptrB+4, t5);
 497     _mm_storeu_ps(ptrB+8, t6);
 498     t7          = _mm_loadu_ps(ptrC);
 499     t8          = _mm_loadu_ps(ptrC+4);
 500     t9          = _mm_loadu_ps(ptrC+8);
 501     t7          = _mm_sub_ps(t7, t20);
 502     t8          = _mm_sub_ps(t8, t22);
 503     t9          = _mm_sub_ps(t9, t24);
 504     _mm_storeu_ps(ptrC, t7);
 505     _mm_storeu_ps(ptrC+4, t8);
 506     _mm_storeu_ps(ptrC+8, t9);
 507     t10         = _mm_loadu_ps(ptrD);
 508     t11         = _mm_loadu_ps(ptrD+4);
 509     t12         = _mm_loadu_ps(ptrD+8);
 510     t10         = _mm_sub_ps(t10, t14);
 511     t11         = _mm_sub_ps(t11, t16);
 512     t12         = _mm_sub_ps(t12, t18);
 513     _mm_storeu_ps(ptrD, t10);
 514     _mm_storeu_ps(ptrD+4, t11);
 515     _mm_storeu_ps(ptrD+8, t12);
 516 }
 517
 518
 519 static gmx_inline void gmx_simdcall
 520 gmx_mm_update_iforce_1atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 521                                       float * gmx_restrict fptr,
 522                                       float * gmx_restrict fshiftptr)
 523 {
 524     __m128 t2, t3;
 525
 526     fix1 = _mm_hadd_ps(fix1, fix1);
 527     fiy1 = _mm_hadd_ps(fiy1, fiz1);
 528
 529     fix1 = _mm_hadd_ps(fix1, fiy1); /* fiz1 fiy1 fix1 fix1 */
 530
 531     t2 = _mm_load_ss(fptr);
 532     t2 = _mm_loadh_pi(t2, (__m64 *)(fptr+1));
 533     t3 = _mm_load_ss(fshiftptr);
 534     t3 = _mm_loadh_pi(t3, (__m64 *)(fshiftptr+1));
 535
 536     t2 = _mm_add_ps(t2, fix1);
 537     t3 = _mm_add_ps(t3, fix1);
 538
 539     _mm_store_ss(fptr, t2);
 540     _mm_storeh_pi((__m64 *)(fptr+1), t2);
 541     _mm_store_ss(fshiftptr, t3);
 542     _mm_storeh_pi((__m64 *)(fshiftptr+1), t3);
 543 }
 544
 545
 546 static gmx_inline void gmx_simdcall
 547 gmx_mm_update_iforce_3atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 548                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 549                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 550                                       float * gmx_restrict fptr,
 551                                       float * gmx_restrict fshiftptr)
 552 {
 553     __m128 t1, t2, t3, t4;
 554
 555     fix1 = _mm_hadd_ps(fix1, fiy1);
 556     fiz1 = _mm_hadd_ps(fiz1, fix2);
 557     fiy2 = _mm_hadd_ps(fiy2, fiz2);
 558     fix3 = _mm_hadd_ps(fix3, fiy3);
 559     fiz3 = _mm_hadd_ps(fiz3, fiz3);
 560
 561     fix1 = _mm_hadd_ps(fix1, fiz1); /* fix2 fiz1 fiy1 fix1 */
 562     fiy2 = _mm_hadd_ps(fiy2, fix3); /* fiy3 fix3 fiz2 fiy2 */
 563     fiz3 = _mm_hadd_ps(fiz3, fiz3); /*  -    -    -   fiz3 */
 564
 565     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 566     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 567     _mm_store_ss (fptr+8, _mm_add_ss(fiz3, _mm_load_ss(fptr+8) ));
 568
 569     t4 = _mm_load_ss(fshiftptr+2);
 570     t4 = _mm_loadh_pi(t4, (__m64 *)(fshiftptr));
 571
 572     t1 = _mm_shuffle_ps(fiz3, fix1, _MM_SHUFFLE(1, 0, 0, 0)); /* fiy1 fix1  -   fiz3 */
 573     t2 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(3, 2, 2, 2)); /* fiy3 fix3  -   fiz1 */
 574     t3 = _mm_shuffle_ps(fiy2, fix1, _MM_SHUFFLE(3, 3, 0, 1)); /* fix2 fix2 fiy2 fiz2 */
 575     t3 = _mm_permute_ps(t3, _MM_SHUFFLE(1, 2, 0, 0));         /* fiy2 fix2  -   fiz2 */
 576
 577     t1 = _mm_add_ps(t1, t2);
 578     t3 = _mm_add_ps(t3, t4);
 579     t1 = _mm_add_ps(t1, t3); /* y x - z */
 580
 581     _mm_store_ss(fshiftptr+2, t1);
 582     _mm_storeh_pi((__m64 *)(fshiftptr), t1);
 583 }
 584
 585
 586 static gmx_inline void gmx_simdcall
 587 gmx_mm_update_iforce_4atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 588                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 589                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 590                                       __m128 fix4, __m128 fiy4, __m128 fiz4,
 591                                       float * gmx_restrict fptr,
 592                                       float * gmx_restrict fshiftptr)
 593 {
 594     __m128 t1, t2, t3, t4, t5;
 595
 596     fix1 = _mm_hadd_ps(fix1, fiy1);
 597     fiz1 = _mm_hadd_ps(fiz1, fix2);
 598     fiy2 = _mm_hadd_ps(fiy2, fiz2);
 599     fix3 = _mm_hadd_ps(fix3, fiy3);
 600     fiz3 = _mm_hadd_ps(fiz3, fix4);
 601     fiy4 = _mm_hadd_ps(fiy4, fiz4);
 602
 603     fix1 = _mm_hadd_ps(fix1, fiz1); /* fix2 fiz1 fiy1 fix1 */
 604     fiy2 = _mm_hadd_ps(fiy2, fix3); /* fiy3 fix3 fiz2 fiy2 */
 605     fiz3 = _mm_hadd_ps(fiz3, fiy4); /* fiz4 fiy4 fix4 fiz3 */
 606
 607     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 608     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 609     _mm_storeu_ps(fptr+8, _mm_add_ps(fiz3, _mm_loadu_ps(fptr+8)));
 610
 611     t5 = _mm_load_ss(fshiftptr+2);
 612     t5 = _mm_loadh_pi(t5, (__m64 *)(fshiftptr));
 613
 614     t1 = _mm_permute_ps(fix1, _MM_SHUFFLE(1, 0, 2, 2));
 615     t2 = _mm_permute_ps(fiy2, _MM_SHUFFLE(3, 2, 1, 1));
 616     t3 = _mm_permute_ps(fiz3, _MM_SHUFFLE(2, 1, 0, 0));
 617     t4 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(0, 0, 3, 3));
 618     t4 = _mm_shuffle_ps(fiz3, t4, _MM_SHUFFLE(2, 0, 3, 3));
 619
 620     t1 = _mm_add_ps(t1, t2);
 621     t3 = _mm_add_ps(t3, t4);
 622     t1 = _mm_add_ps(t1, t3);
 623     t5 = _mm_add_ps(t5, t1);
 624
 625     _mm_store_ss(fshiftptr+2, t5);
 626     _mm_storeh_pi((__m64 *)(fshiftptr), t5);
 627 }
 628
 629
 630 static gmx_inline void gmx_simdcall
 631 gmx_mm_update_1pot_ps(__m128 pot1, float * gmx_restrict ptrA)
 632 {
 633     pot1 = _mm_hadd_ps(pot1, pot1);
 634     pot1 = _mm_hadd_ps(pot1, pot1);
 635     _mm_store_ss(ptrA, _mm_add_ss(pot1, _mm_load_ss(ptrA)));
 636 }
 637
 638 static gmx_inline void gmx_simdcall
 639 gmx_mm_update_2pot_ps(__m128 pot1, float * gmx_restrict ptrA,
 640                       __m128 pot2, float * gmx_restrict ptrB)
 641 {
 642     pot1 = _mm_hadd_ps(pot1, pot2);
 643     pot1 = _mm_hadd_ps(pot1, pot1);
 644     pot2 = _mm_permute_ps(pot1, _MM_SHUFFLE(0, 0, 0, 1));
 645     _mm_store_ss(ptrA, _mm_add_ss(pot1, _mm_load_ss(ptrA)));
 646     _mm_store_ss(ptrB, _mm_add_ss(pot2, _mm_load_ss(ptrB)));
 647 }
 648
 649
 650 #endif /* _kernelutil_x86_avx_128_fma_single_h_ */