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
  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
  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
  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
  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
 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
 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
 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
 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
 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
 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
 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
 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
 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 #if defined (_MSC_VER) && defined(_M_IX86)
 378 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
 379 #define gmx_mm_decrement_3rvec_4ptr_swizzle_ps(ptrA, ptrB, ptrC, ptrD, \
 380                                                _x1, _y1, _z1, _x2, _y2, _z2, _x3, _y3, _z3) \
 381     { \
 382         __m128 _t1, _t2, _t3, _t4, _t5, _t6, _t7, _t8, _t9, _t10; \
 383         __m128 _t11, _t12, _t13, _t14, _t15, _t16, _t17, _t18, _t19; \
 384         __m128 _t20, _t21, _t22, _t23, _t24, _t25; \
 385         _t13         = _mm_unpackhi_ps(_x1, _y1); \
 386         _x1          = _mm_unpacklo_ps(_x1, _y1); \
 387         _t14         = _mm_unpackhi_ps(_z1, _x2); \
 388         _z1          = _mm_unpacklo_ps(_z1, _x2); \
 389         _t15         = _mm_unpackhi_ps(_y2, _z2); \
 390         _y2          = _mm_unpacklo_ps(_y2, _z2); \
 391         _t16         = _mm_unpackhi_ps(_x3, _y3); \
 392         _x3          = _mm_unpacklo_ps(_x3, _y3); \
 393         _t17         = _mm_permute_ps(_z3, _MM_SHUFFLE(0, 0, 0, 1)); \
 394         _t18         = _mm_movehl_ps(_z3, _z3); \
 395         _t19         = _mm_permute_ps(_t18, _MM_SHUFFLE(0, 0, 0, 1)); \
 396         _t20         = _mm_movelh_ps(_x1, _z1); \
 397         _t21         = _mm_movehl_ps(_z1, _x1); \
 398         _t22         = _mm_movelh_ps(_t13, _t14); \
 399         _t14         = _mm_movehl_ps(_t14, _t13); \
 400         _t23         = _mm_movelh_ps(_y2, _x3); \
 401         _t24         = _mm_movehl_ps(_x3, _y2); \
 402         _t25         = _mm_movelh_ps(_t15, _t16); \
 403         _t16         = _mm_movehl_ps(_t16, _t15); \
 404         _t1          = _mm_loadu_ps(ptrA); \
 405         _t2          = _mm_loadu_ps(ptrA+4); \
 406         _t3          = _mm_load_ss(ptrA+8); \
 407         _t1          = _mm_sub_ps(_t1, _t20); \
 408         _t2          = _mm_sub_ps(_t2, _t23); \
 409         _t3          = _mm_sub_ss(_t3, _z3); \
 410         _mm_storeu_ps(ptrA, _t1); \
 411         _mm_storeu_ps(ptrA+4, _t2); \
 412         _mm_store_ss(ptrA+8, _t3); \
 413         _t4          = _mm_loadu_ps(ptrB); \
 414         _t5          = _mm_loadu_ps(ptrB+4); \
 415         _t6          = _mm_load_ss(ptrB+8); \
 416         _t4          = _mm_sub_ps(_t4, _t21); \
 417         _t5          = _mm_sub_ps(_t5, _t24); \
 418         _t6          = _mm_sub_ss(_t6, _t17); \
 419         _mm_storeu_ps(ptrB, _t4); \
 420         _mm_storeu_ps(ptrB+4, _t5); \
 421         _mm_store_ss(ptrB+8, _t6); \
 422         _t7          = _mm_loadu_ps(ptrC); \
 423         _t8          = _mm_loadu_ps(ptrC+4); \
 424         _t9          = _mm_load_ss(ptrC+8); \
 425         _t7          = _mm_sub_ps(_t7, _t22); \
 426         _t8          = _mm_sub_ps(_t8, _t25); \
 427         _t9          = _mm_sub_ss(_t9, _t18); \
 428         _mm_storeu_ps(ptrC, _t7); \
 429         _mm_storeu_ps(ptrC+4, _t8); \
 430         _mm_store_ss(ptrC+8, _t9); \
 431         _t10         = _mm_loadu_ps(ptrD); \
 432         _t11         = _mm_loadu_ps(ptrD+4); \
 433         _t12         = _mm_load_ss(ptrD+8); \
 434         _t10         = _mm_sub_ps(_t10, _t14); \
 435         _t11         = _mm_sub_ps(_t11, _t16); \
 436         _t12         = _mm_sub_ss(_t12, _t19); \
 437         _mm_storeu_ps(ptrD, _t10); \
 438         _mm_storeu_ps(ptrD+4, _t11); \
 439         _mm_store_ss(ptrD+8, _t12); \
 440     }
 441 #else
 442 /* Real function for sane compilers */
 443 static gmx_inline void
 444 gmx_mm_decrement_3rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 445                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 446                                        __m128 x1, __m128 y1, __m128 z1,
 447                                        __m128 x2, __m128 y2, __m128 z2,
 448                                        __m128 x3, __m128 y3, __m128 z3)
 449 {
 450     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10;
 451     __m128 t11, t12, t13, t14, t15, t16, t17, t18, t19;
 452     __m128 t20, t21, t22, t23, t24, t25;
 453     t13         = _mm_unpackhi_ps(x1, y1);
 454     x1          = _mm_unpacklo_ps(x1, y1);
 455     t14         = _mm_unpackhi_ps(z1, x2);
 456     z1          = _mm_unpacklo_ps(z1, x2);
 457     t15         = _mm_unpackhi_ps(y2, z2);
 458     y2          = _mm_unpacklo_ps(y2, z2);
 459     t16         = _mm_unpackhi_ps(x3, y3);
 460     x3          = _mm_unpacklo_ps(x3, y3);
 461     t17         = _mm_permute_ps(z3, _MM_SHUFFLE(0, 0, 0, 1));
 462     t18         = _mm_movehl_ps(z3, z3);
 463     t19         = _mm_permute_ps(t18, _MM_SHUFFLE(0, 0, 0, 1));
 464     t20         = _mm_movelh_ps(x1, z1);
 465     t21         = _mm_movehl_ps(z1, x1);
 466     t22         = _mm_movelh_ps(t13, t14);
 467     t14         = _mm_movehl_ps(t14, t13);
 468     t23         = _mm_movelh_ps(y2, x3);
 469     t24         = _mm_movehl_ps(x3, y2);
 470     t25         = _mm_movelh_ps(t15, t16);
 471     t16         = _mm_movehl_ps(t16, t15);
 472     t1          = _mm_loadu_ps(ptrA);
 473     t2          = _mm_loadu_ps(ptrA+4);
 474     t3          = _mm_load_ss(ptrA+8);
 475     t1          = _mm_sub_ps(t1, t20);
 476     t2          = _mm_sub_ps(t2, t23);
 477     t3          = _mm_sub_ss(t3, z3);
 478     _mm_storeu_ps(ptrA, t1);
 479     _mm_storeu_ps(ptrA+4, t2);
 480     _mm_store_ss(ptrA+8, t3);
 481     t4          = _mm_loadu_ps(ptrB);
 482     t5          = _mm_loadu_ps(ptrB+4);
 483     t6          = _mm_load_ss(ptrB+8);
 484     t4          = _mm_sub_ps(t4, t21);
 485     t5          = _mm_sub_ps(t5, t24);
 486     t6          = _mm_sub_ss(t6, t17);
 487     _mm_storeu_ps(ptrB, t4);
 488     _mm_storeu_ps(ptrB+4, t5);
 489     _mm_store_ss(ptrB+8, t6);
 490     t7          = _mm_loadu_ps(ptrC);
 491     t8          = _mm_loadu_ps(ptrC+4);
 492     t9          = _mm_load_ss(ptrC+8);
 493     t7          = _mm_sub_ps(t7, t22);
 494     t8          = _mm_sub_ps(t8, t25);
 495     t9          = _mm_sub_ss(t9, t18);
 496     _mm_storeu_ps(ptrC, t7);
 497     _mm_storeu_ps(ptrC+4, t8);
 498     _mm_store_ss(ptrC+8, t9);
 499     t10         = _mm_loadu_ps(ptrD);
 500     t11         = _mm_loadu_ps(ptrD+4);
 501     t12         = _mm_load_ss(ptrD+8);
 502     t10         = _mm_sub_ps(t10, t14);
 503     t11         = _mm_sub_ps(t11, t16);
 504     t12         = _mm_sub_ss(t12, t19);
 505     _mm_storeu_ps(ptrD, t10);
 506     _mm_storeu_ps(ptrD+4, t11);
 507     _mm_store_ss(ptrD+8, t12);
 508 }
 509 #endif
 510
 511 #if defined (_MSC_VER) && defined(_M_IX86)
 512 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
 513 #define gmx_mm_decrement_4rvec_4ptr_swizzle_ps(ptrA, ptrB, ptrC, ptrD, \
 514                                                _x1, _y1, _z1, _x2, _y2, _z2, _x3, _y3, _z3, _x4, _y4, _z4) \
 515     { \
 516         __m128 _t1, _t2, _t3, _t4, _t5, _t6, _t7, _t8, _t9, _t10, _t11; \
 517         __m128 _t12, _t13, _t14, _t15, _t16, _t17, _t18, _t19, _t20, _t21, _t22; \
 518         __m128 _t23, _t24; \
 519         _t13         = _mm_unpackhi_ps(_x1, _y1); \
 520         _x1          = _mm_unpacklo_ps(_x1, _y1); \
 521         _t14         = _mm_unpackhi_ps(_z1, _x2); \
 522         _z1          = _mm_unpacklo_ps(_z1, _x2); \
 523         _t15         = _mm_unpackhi_ps(_y2, _z2); \
 524         _y2          = _mm_unpacklo_ps(_y2, _z2); \
 525         _t16         = _mm_unpackhi_ps(_x3, _y3); \
 526         _x3          = _mm_unpacklo_ps(_x3, _y3); \
 527         _t17         = _mm_unpackhi_ps(_z3, _x4); \
 528         _z3          = _mm_unpacklo_ps(_z3, _x4); \
 529         _t18         = _mm_unpackhi_ps(_y4, _z4); \
 530         _y4          = _mm_unpacklo_ps(_y4, _z4); \
 531         _t19         = _mm_movelh_ps(_x1, _z1); \
 532         _z1          = _mm_movehl_ps(_z1, _x1); \
 533         _t20         = _mm_movelh_ps(_t13, _t14); \
 534         _t14         = _mm_movehl_ps(_t14, _t13); \
 535         _t21         = _mm_movelh_ps(_y2, _x3); \
 536         _x3          = _mm_movehl_ps(_x3, _y2); \
 537         _t22         = _mm_movelh_ps(_t15, _t16); \
 538         _t16         = _mm_movehl_ps(_t16, _t15); \
 539         _t23         = _mm_movelh_ps(_z3, _y4); \
 540         _y4          = _mm_movehl_ps(_y4, _z3); \
 541         _t24         = _mm_movelh_ps(_t17, _t18); \
 542         _t18         = _mm_movehl_ps(_t18, _t17); \
 543         _t1          = _mm_loadu_ps(ptrA); \
 544         _t2          = _mm_loadu_ps(ptrA+4); \
 545         _t3          = _mm_loadu_ps(ptrA+8); \
 546         _t1          = _mm_sub_ps(_t1, _t19); \
 547         _t2          = _mm_sub_ps(_t2, _t21); \
 548         _t3          = _mm_sub_ps(_t3, _t23); \
 549         _mm_storeu_ps(ptrA, _t1); \
 550         _mm_storeu_ps(ptrA+4, _t2); \
 551         _mm_storeu_ps(ptrA+8, _t3); \
 552         _t4          = _mm_loadu_ps(ptrB); \
 553         _t5          = _mm_loadu_ps(ptrB+4); \
 554         _t6          = _mm_loadu_ps(ptrB+8); \
 555         _t4          = _mm_sub_ps(_t4, _z1); \
 556         _t5          = _mm_sub_ps(_t5, _x3); \
 557         _t6          = _mm_sub_ps(_t6, _y4); \
 558         _mm_storeu_ps(ptrB, _t4); \
 559         _mm_storeu_ps(ptrB+4, _t5); \
 560         _mm_storeu_ps(ptrB+8, _t6); \
 561         _t7          = _mm_loadu_ps(ptrC); \
 562         _t8          = _mm_loadu_ps(ptrC+4); \
 563         _t9          = _mm_loadu_ps(ptrC+8); \
 564         _t7          = _mm_sub_ps(_t7, _t20); \
 565         _t8          = _mm_sub_ps(_t8, _t22); \
 566         _t9          = _mm_sub_ps(_t9, _t24); \
 567         _mm_storeu_ps(ptrC, _t7); \
 568         _mm_storeu_ps(ptrC+4, _t8); \
 569         _mm_storeu_ps(ptrC+8, _t9); \
 570         _t10         = _mm_loadu_ps(ptrD); \
 571         _t11         = _mm_loadu_ps(ptrD+4); \
 572         _t12         = _mm_loadu_ps(ptrD+8); \
 573         _t10         = _mm_sub_ps(_t10, _t14); \
 574         _t11         = _mm_sub_ps(_t11, _t16); \
 575         _t12         = _mm_sub_ps(_t12, _t18); \
 576         _mm_storeu_ps(ptrD, _t10); \
 577         _mm_storeu_ps(ptrD+4, _t11); \
 578         _mm_storeu_ps(ptrD+8, _t12); \
 579     }
 580 #else
 581 /* Real function for sane compilers */
 582 static gmx_inline void
 583 gmx_mm_decrement_4rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 584                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 585                                        __m128 x1, __m128 y1, __m128 z1,
 586                                        __m128 x2, __m128 y2, __m128 z2,
 587                                        __m128 x3, __m128 y3, __m128 z3,
 588                                        __m128 x4, __m128 y4, __m128 z4)
 589 {
 590     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11;
 591     __m128 t12, t13, t14, t15, t16, t17, t18, t19, t20, t21, t22;
 592     __m128 t23, t24;
 593     t13         = _mm_unpackhi_ps(x1, y1);
 594     x1          = _mm_unpacklo_ps(x1, y1);
 595     t14         = _mm_unpackhi_ps(z1, x2);
 596     z1          = _mm_unpacklo_ps(z1, x2);
 597     t15         = _mm_unpackhi_ps(y2, z2);
 598     y2          = _mm_unpacklo_ps(y2, z2);
 599     t16         = _mm_unpackhi_ps(x3, y3);
 600     x3          = _mm_unpacklo_ps(x3, y3);
 601     t17         = _mm_unpackhi_ps(z3, x4);
 602     z3          = _mm_unpacklo_ps(z3, x4);
 603     t18         = _mm_unpackhi_ps(y4, z4);
 604     y4          = _mm_unpacklo_ps(y4, z4);
 605     t19         = _mm_movelh_ps(x1, z1);
 606     z1          = _mm_movehl_ps(z1, x1);
 607     t20         = _mm_movelh_ps(t13, t14);
 608     t14         = _mm_movehl_ps(t14, t13);
 609     t21         = _mm_movelh_ps(y2, x3);
 610     x3          = _mm_movehl_ps(x3, y2);
 611     t22         = _mm_movelh_ps(t15, t16);
 612     t16         = _mm_movehl_ps(t16, t15);
 613     t23         = _mm_movelh_ps(z3, y4);
 614     y4          = _mm_movehl_ps(y4, z3);
 615     t24         = _mm_movelh_ps(t17, t18);
 616     t18         = _mm_movehl_ps(t18, t17);
 617     t1          = _mm_loadu_ps(ptrA);
 618     t2          = _mm_loadu_ps(ptrA+4);
 619     t3          = _mm_loadu_ps(ptrA+8);
 620     t1          = _mm_sub_ps(t1, t19);
 621     t2          = _mm_sub_ps(t2, t21);
 622     t3          = _mm_sub_ps(t3, t23);
 623     _mm_storeu_ps(ptrA, t1);
 624     _mm_storeu_ps(ptrA+4, t2);
 625     _mm_storeu_ps(ptrA+8, t3);
 626     t4          = _mm_loadu_ps(ptrB);
 627     t5          = _mm_loadu_ps(ptrB+4);
 628     t6          = _mm_loadu_ps(ptrB+8);
 629     t4          = _mm_sub_ps(t4, z1);
 630     t5          = _mm_sub_ps(t5, x3);
 631     t6          = _mm_sub_ps(t6, y4);
 632     _mm_storeu_ps(ptrB, t4);
 633     _mm_storeu_ps(ptrB+4, t5);
 634     _mm_storeu_ps(ptrB+8, t6);
 635     t7          = _mm_loadu_ps(ptrC);
 636     t8          = _mm_loadu_ps(ptrC+4);
 637     t9          = _mm_loadu_ps(ptrC+8);
 638     t7          = _mm_sub_ps(t7, t20);
 639     t8          = _mm_sub_ps(t8, t22);
 640     t9          = _mm_sub_ps(t9, t24);
 641     _mm_storeu_ps(ptrC, t7);
 642     _mm_storeu_ps(ptrC+4, t8);
 643     _mm_storeu_ps(ptrC+8, t9);
 644     t10         = _mm_loadu_ps(ptrD);
 645     t11         = _mm_loadu_ps(ptrD+4);
 646     t12         = _mm_loadu_ps(ptrD+8);
 647     t10         = _mm_sub_ps(t10, t14);
 648     t11         = _mm_sub_ps(t11, t16);
 649     t12         = _mm_sub_ps(t12, t18);
 650     _mm_storeu_ps(ptrD, t10);
 651     _mm_storeu_ps(ptrD+4, t11);
 652     _mm_storeu_ps(ptrD+8, t12);
 653 }
 654 #endif
 655
 656 static gmx_inline void
 657 gmx_mm_update_iforce_1atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 658                                       float * gmx_restrict fptr,
 659                                       float * gmx_restrict fshiftptr)
 660 {
 661     __m128 t2, t3;
 662
 663     fix1 = _mm_hadd_ps(fix1, fix1);
 664     fiy1 = _mm_hadd_ps(fiy1, fiz1);
 665
 666     fix1 = _mm_hadd_ps(fix1, fiy1); /* fiz1 fiy1 fix1 fix1 */
 667
 668     t2 = _mm_load_ss(fptr);
 669     t2 = _mm_loadh_pi(t2, (__m64 *)(fptr+1));
 670     t3 = _mm_load_ss(fshiftptr);
 671     t3 = _mm_loadh_pi(t3, (__m64 *)(fshiftptr+1));
 672
 673     t2 = _mm_add_ps(t2, fix1);
 674     t3 = _mm_add_ps(t3, fix1);
 675
 676     _mm_store_ss(fptr, t2);
 677     _mm_storeh_pi((__m64 *)(fptr+1), t2);
 678     _mm_store_ss(fshiftptr, t3);
 679     _mm_storeh_pi((__m64 *)(fshiftptr+1), t3);
 680 }
 681
 682 #if defined (_MSC_VER) && defined(_M_IX86)
 683 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
 684 #define gmx_mm_update_iforce_3atom_swizzle_ps(fix1, fiy1, fiz1, fix2, fiy2, fiz2, fix3, fiy3, fiz3, \
 685                                               fptr, fshiftptr) \
 686     { \
 687         __m128 _t1, _t2, _t3, _t4; \
 688 \
 689         fix1 = _mm_hadd_ps(fix1, fiy1); \
 690         fiz1 = _mm_hadd_ps(fiz1, fix2); \
 691         fiy2 = _mm_hadd_ps(fiy2, fiz2); \
 692         fix3 = _mm_hadd_ps(fix3, fiy3); \
 693         fiz3 = _mm_hadd_ps(fiz3, fiz3); \
 694         fix1 = _mm_hadd_ps(fix1, fiz1); \
 695         fiy2 = _mm_hadd_ps(fiy2, fix3); \
 696         fiz3 = _mm_hadd_ps(fiz3, fiz3); \
 697         _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  )); \
 698         _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4))); \
 699         _mm_store_ss (fptr+8, _mm_add_ss(fiz3, _mm_load_ss(fptr+8) )); \
 700         _t4 = _mm_load_ss(fshiftptr+2); \
 701         _t4 = _mm_loadh_pi(_t4, (__m64 *)(fshiftptr)); \
 702         _t1 = _mm_shuffle_ps(fiz3, fix1, _MM_SHUFFLE(1, 0, 0, 0)); \
 703         _t2 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(3, 2, 2, 2)); \
 704         _t3 = _mm_shuffle_ps(fiy2, fix1, _MM_SHUFFLE(3, 3, 0, 1)); \
 705         _t3 = _mm_permute_ps(_t3, _MM_SHUFFLE(1, 2, 0, 0)); \
 706         _t1 = _mm_add_ps(_t1, _t2); \
 707         _t3 = _mm_add_ps(_t3, _t4); \
 708         _t1 = _mm_add_ps(_t1, _t3); \
 709         _mm_store_ss(fshiftptr+2, _t1); \
 710         _mm_storeh_pi((__m64 *)(fshiftptr), _t1); \
 711     }
 712 #else
 713 /* Real function for sane compilers */
 714 static gmx_inline void
 715 gmx_mm_update_iforce_3atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 716                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 717                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 718                                       float * gmx_restrict fptr,
 719                                       float * gmx_restrict fshiftptr)
 720 {
 721     __m128 t1, t2, t3, t4;
 722
 723     fix1 = _mm_hadd_ps(fix1, fiy1);
 724     fiz1 = _mm_hadd_ps(fiz1, fix2);
 725     fiy2 = _mm_hadd_ps(fiy2, fiz2);
 726     fix3 = _mm_hadd_ps(fix3, fiy3);
 727     fiz3 = _mm_hadd_ps(fiz3, fiz3);
 728
 729     fix1 = _mm_hadd_ps(fix1, fiz1); /* fix2 fiz1 fiy1 fix1 */
 730     fiy2 = _mm_hadd_ps(fiy2, fix3); /* fiy3 fix3 fiz2 fiy2 */
 731     fiz3 = _mm_hadd_ps(fiz3, fiz3); /*  -    -    -   fiz3 */
 732
 733     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 734     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 735     _mm_store_ss (fptr+8, _mm_add_ss(fiz3, _mm_load_ss(fptr+8) ));
 736
 737     t4 = _mm_load_ss(fshiftptr+2);
 738     t4 = _mm_loadh_pi(t4, (__m64 *)(fshiftptr));
 739
 740     t1 = _mm_shuffle_ps(fiz3, fix1, _MM_SHUFFLE(1, 0, 0, 0)); /* fiy1 fix1  -   fiz3 */
 741     t2 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(3, 2, 2, 2)); /* fiy3 fix3  -   fiz1 */
 742     t3 = _mm_shuffle_ps(fiy2, fix1, _MM_SHUFFLE(3, 3, 0, 1)); /* fix2 fix2 fiy2 fiz2 */
 743     t3 = _mm_permute_ps(t3, _MM_SHUFFLE(1, 2, 0, 0));         /* fiy2 fix2  -   fiz2 */
 744
 745     t1 = _mm_add_ps(t1, t2);
 746     t3 = _mm_add_ps(t3, t4);
 747     t1 = _mm_add_ps(t1, t3); /* y x - z */
 748
 749     _mm_store_ss(fshiftptr+2, t1);
 750     _mm_storeh_pi((__m64 *)(fshiftptr), t1);
 751 }
 752 #endif
 753
 754 #if defined (_MSC_VER) && defined(_M_IX86)
 755 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
 756 #define gmx_mm_update_iforce_4atom_swizzle_ps(fix1, fiy1, fiz1, fix2, fiy2, fiz2, fix3, fiy3, fiz3, fix4, fiy4, fiz4, \
 757                                               fptr, fshiftptr) \
 758     { \
 759         __m128 _t1, _t2, _t3, _t4, _t5; \
 760 \
 761         fix1 = _mm_hadd_ps(fix1, fiy1); \
 762         fiz1 = _mm_hadd_ps(fiz1, fix2); \
 763         fiy2 = _mm_hadd_ps(fiy2, fiz2); \
 764         fix3 = _mm_hadd_ps(fix3, fiy3); \
 765         fiz3 = _mm_hadd_ps(fiz3, fix4); \
 766         fiy4 = _mm_hadd_ps(fiy4, fiz4); \
 767         fix1 = _mm_hadd_ps(fix1, fiz1); \
 768         fiy2 = _mm_hadd_ps(fiy2, fix3); \
 769         fiz3 = _mm_hadd_ps(fiz3, fiy4); \
 770         _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  )); \
 771         _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4))); \
 772         _mm_storeu_ps(fptr+8, _mm_add_ps(fiz3, _mm_loadu_ps(fptr+8))); \
 773         _t5 = _mm_load_ss(fshiftptr+2); \
 774         _t5 = _mm_loadh_pi(_t5, (__m64 *)(fshiftptr)); \
 775         _t1 = _mm_permute_ps(fix1, _MM_SHUFFLE(1, 0, 2, 2)); \
 776         _t2 = _mm_permute_ps(fiy2, _MM_SHUFFLE(3, 2, 1, 1)); \
 777         _t3 = _mm_permute_ps(fiz3, _MM_SHUFFLE(2, 1, 0, 0)); \
 778         _t4 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(0, 0, 3, 3)); \
 779         _t4 = _mm_shuffle_ps(fiz3, _t4, _MM_SHUFFLE(2, 0, 3, 3)); \
 780         _t1 = _mm_add_ps(_t1, _t2); \
 781         _t3 = _mm_add_ps(_t3, _t4); \
 782         _t1 = _mm_add_ps(_t1, _t3); \
 783         _t5 = _mm_add_ps(_t5, _t1); \
 784         _mm_store_ss(fshiftptr+2, _t5); \
 785         _mm_storeh_pi((__m64 *)(fshiftptr), _t5); \
 786     }
 787 #else
 788 /* Real function for sane compilers */
 789 static gmx_inline void
 790 gmx_mm_update_iforce_4atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 791                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 792                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 793                                       __m128 fix4, __m128 fiy4, __m128 fiz4,
 794                                       float * gmx_restrict fptr,
 795                                       float * gmx_restrict fshiftptr)
 796 {
 797     __m128 t1, t2, t3, t4, t5;
 798
 799     fix1 = _mm_hadd_ps(fix1, fiy1);
 800     fiz1 = _mm_hadd_ps(fiz1, fix2);
 801     fiy2 = _mm_hadd_ps(fiy2, fiz2);
 802     fix3 = _mm_hadd_ps(fix3, fiy3);
 803     fiz3 = _mm_hadd_ps(fiz3, fix4);
 804     fiy4 = _mm_hadd_ps(fiy4, fiz4);
 805
 806     fix1 = _mm_hadd_ps(fix1, fiz1); /* fix2 fiz1 fiy1 fix1 */
 807     fiy2 = _mm_hadd_ps(fiy2, fix3); /* fiy3 fix3 fiz2 fiy2 */
 808     fiz3 = _mm_hadd_ps(fiz3, fiy4); /* fiz4 fiy4 fix4 fiz3 */
 809
 810     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 811     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 812     _mm_storeu_ps(fptr+8, _mm_add_ps(fiz3, _mm_loadu_ps(fptr+8)));
 813
 814     t5 = _mm_load_ss(fshiftptr+2);
 815     t5 = _mm_loadh_pi(t5, (__m64 *)(fshiftptr));
 816
 817     t1 = _mm_permute_ps(fix1, _MM_SHUFFLE(1, 0, 2, 2));
 818     t2 = _mm_permute_ps(fiy2, _MM_SHUFFLE(3, 2, 1, 1));
 819     t3 = _mm_permute_ps(fiz3, _MM_SHUFFLE(2, 1, 0, 0));
 820     t4 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(0, 0, 3, 3));
 821     t4 = _mm_shuffle_ps(fiz3, t4, _MM_SHUFFLE(2, 0, 3, 3));
 822
 823     t1 = _mm_add_ps(t1, t2);
 824     t3 = _mm_add_ps(t3, t4);
 825     t1 = _mm_add_ps(t1, t3);
 826     t5 = _mm_add_ps(t5, t1);
 827
 828     _mm_store_ss(fshiftptr+2, t5);
 829     _mm_storeh_pi((__m64 *)(fshiftptr), t5);
 830 }
 831 #endif
 832
 833
 834 static gmx_inline void
 835 gmx_mm_update_1pot_ps(__m128 pot1, float * gmx_restrict ptrA)
 836 {
 837     pot1 = _mm_hadd_ps(pot1, pot1);
 838     pot1 = _mm_hadd_ps(pot1, pot1);
 839     _mm_store_ss(ptrA, _mm_add_ss(pot1, _mm_load_ss(ptrA)));
 840 }
 841
 842 static gmx_inline void
 843 gmx_mm_update_2pot_ps(__m128 pot1, float * gmx_restrict ptrA,
 844                       __m128 pot2, float * gmx_restrict ptrB)
 845 {
 846     pot1 = _mm_hadd_ps(pot1, pot2);
 847     pot1 = _mm_hadd_ps(pot1, pot1);
 848     pot2 = _mm_permute_ps(pot1, _MM_SHUFFLE(0, 0, 0, 1));
 849     _mm_store_ss(ptrA, _mm_add_ss(pot1, _mm_load_ss(ptrA)));
 850     _mm_store_ss(ptrB, _mm_add_ss(pot2, _mm_load_ss(ptrB)));
 851 }
 852
 853
 854 #endif /* _kernelutil_x86_avx_128_fma_single_h_ */