src/gromacs/gmxlib/nonbonded/nb_kernel_avx_256_single/kernelutil_x86_avx_256_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_256_single_h_
  36 #define _kernelutil_x86_avx_256_single_h_
  37
  38 #define gmx_mm_castsi128_ps(a) _mm_castsi128_ps(a)
  39
  40 static gmx_inline __m256 gmx_simdcall
  41 gmx_mm256_unpack128lo_ps(__m256 xmm1, __m256 xmm2)
  42 {
  43     return _mm256_permute2f128_ps(xmm1, xmm2, 0x20);
  44 }
  45
  46 static gmx_inline __m256 gmx_simdcall
  47 gmx_mm256_unpack128hi_ps(__m256 xmm1, __m256 xmm2)
  48 {
  49     return _mm256_permute2f128_ps(xmm1, xmm2, 0x31);
  50 }
  51
  52 static gmx_inline __m256 gmx_simdcall
  53 gmx_mm256_set_m128(__m128 hi, __m128 lo)
  54 {
  55     return _mm256_insertf128_ps(_mm256_castps128_ps256(lo), hi, 0x1);
  56 }
  57
  58 /* Work around gcc bug with wrong type for mask formal parameter to maskload/maskstore */
  59 #ifdef GMX_SIMD_X86_AVX_GCC_MASKLOAD_BUG
  60 #    define gmx_mm_maskload_ps(mem, mask)       _mm_maskload_ps((mem), _mm_castsi128_ps(mask))
  61 #    define gmx_mm_maskstore_ps(mem, mask, x)    _mm_maskstore_ps((mem), _mm_castsi128_ps(mask), (x))
  62 #    define gmx_mm256_maskload_ps(mem, mask)    _mm256_maskload_ps((mem), _mm256_castsi256_ps(mask))
  63 #    define gmx_mm256_maskstore_ps(mem, mask, x) _mm256_maskstore_ps((mem), _mm256_castsi256_ps(mask), (x))
  64 #else
  65 #    define gmx_mm_maskload_ps(mem, mask)       _mm_maskload_ps((mem), (mask))
  66 #    define gmx_mm_maskstore_ps(mem, mask, x)    _mm_maskstore_ps((mem), (mask), (x))
  67 #    define gmx_mm256_maskload_ps(mem, mask)    _mm256_maskload_ps((mem), (mask))
  68 #    define gmx_mm256_maskstore_ps(mem, mask, x) _mm256_maskstore_ps((mem), (mask), (x))
  69 #endif
  70
  71 /* Transpose lower/upper half of 256-bit registers separately */
  72 #define GMX_MM256_HALFTRANSPOSE4_PS(ymm0, ymm1, ymm2, ymm3) {            \
  73         __m256 __tmp0, __tmp1, __tmp2, __tmp3;                               \
  74                                                                       \
  75         __tmp0   = _mm256_unpacklo_ps((ymm0), (ymm1));                     \
  76         __tmp1   = _mm256_unpacklo_ps((ymm2), (ymm3));                     \
  77         __tmp2   = _mm256_unpackhi_ps((ymm0), (ymm1));                     \
  78         __tmp3   = _mm256_unpackhi_ps((ymm2), (ymm3));                     \
  79         ymm0     = _mm256_shuffle_ps(__tmp0, __tmp1, _MM_SHUFFLE(1, 0, 1, 0)); \
  80         ymm1     = _mm256_shuffle_ps(__tmp0, __tmp1, _MM_SHUFFLE(3, 2, 3, 2)); \
  81         ymm2     = _mm256_shuffle_ps(__tmp2, __tmp3, _MM_SHUFFLE(1, 0, 1, 0)); \
  82         ymm3     = _mm256_shuffle_ps(__tmp2, __tmp3, _MM_SHUFFLE(3, 2, 3, 2)); \
  83 }
  84
  85
  86 static gmx_inline __m256 gmx_simdcall
  87 gmx_mm256_calc_rsq_ps(__m256 dx, __m256 dy, __m256 dz)
  88 {
  89     return _mm256_add_ps( _mm256_add_ps( _mm256_mul_ps(dx, dx), _mm256_mul_ps(dy, dy) ), _mm256_mul_ps(dz, dz) );
  90 }
  91
  92 /* Normal sum of four ymm registers */
  93 #define gmx_mm256_sum4_ps(t0, t1, t2, t3)  _mm256_add_ps(_mm256_add_ps(t0, t1), _mm256_add_ps(t2, t3))
  94
  95
  96 static gmx_inline int gmx_simdcall
  97 gmx_mm256_any_lt(__m256 a, __m256 b)
  98 {
  99     return _mm256_movemask_ps(_mm256_cmp_ps(a, b, _CMP_LT_OQ));
 100 }
 101
 102
 103 static gmx_inline __m256 gmx_simdcall
 104 gmx_mm256_load_4real_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 105                                 const float * gmx_restrict ptrC, const float * gmx_restrict ptrD)
 106 {
 107     __m128 t1, t2;
 108
 109     t1 = _mm_unpacklo_ps(_mm_load_ss(ptrA), _mm_load_ss(ptrC));
 110     t2 = _mm_unpacklo_ps(_mm_load_ss(ptrB), _mm_load_ss(ptrD));
 111     return _mm256_castps128_ps256(_mm_unpacklo_ps(t1, t2));
 112 }
 113
 114
 115 static gmx_inline __m256 gmx_simdcall
 116 gmx_mm256_load_8real_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 117                                 const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 118                                 const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 119                                 const float * gmx_restrict ptrG, const float * gmx_restrict ptrH)
 120 {
 121     __m256 t1, t2;
 122
 123     t1 = gmx_mm256_load_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD);
 124     t2 = gmx_mm256_load_4real_swizzle_ps(ptrE, ptrF, ptrG, ptrH);
 125
 126     return _mm256_permute2f128_ps(t1, t2, 0x20);
 127 }
 128
 129
 130
 131 static gmx_inline void gmx_simdcall
 132 gmx_mm256_store_4real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 133                                  float * gmx_restrict ptrC, float * gmx_restrict ptrD, __m256 xmm1)
 134 {
 135     __m256 t2, t3, t4;
 136
 137     t2       = _mm256_permute_ps(xmm1, _MM_SHUFFLE(1, 1, 1, 1));
 138     t3       = _mm256_permute_ps(xmm1, _MM_SHUFFLE(2, 2, 2, 2));
 139     t4       = _mm256_permute_ps(xmm1, _MM_SHUFFLE(3, 3, 3, 3));
 140     _mm_store_ss(ptrA, _mm256_castps256_ps128(xmm1));
 141     _mm_store_ss(ptrB, _mm256_castps256_ps128(t2));
 142     _mm_store_ss(ptrC, _mm256_castps256_ps128(t3));
 143     _mm_store_ss(ptrD, _mm256_castps256_ps128(t4));
 144 }
 145
 146
 147 static gmx_inline void gmx_simdcall
 148 gmx_mm256_store_8real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 149                                  float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 150                                  float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 151                                  float * gmx_restrict ptrG, float * gmx_restrict ptrH, __m256 xmm1)
 152 {
 153     __m256 t1;
 154
 155     t1 = _mm256_permute2f128_ps(xmm1, xmm1, 0x11);
 156
 157     gmx_mm256_store_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD, xmm1);
 158     gmx_mm256_store_4real_swizzle_ps(ptrE, ptrF, ptrG, ptrH, t1);
 159 }
 160
 161
 162 static gmx_inline void gmx_simdcall
 163 gmx_mm256_increment_4real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 164                                      float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 165                                      __m256 xmm1)
 166 {
 167     __m128 t1, t2, t3, t4;
 168
 169     t1   = _mm256_castps256_ps128(xmm1);
 170     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 171     t3   = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 172     t4   = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 173
 174     t1   = _mm_add_ss(t1, _mm_load_ss(ptrA));
 175     t2   = _mm_add_ss(t2, _mm_load_ss(ptrB));
 176     t3   = _mm_add_ss(t3, _mm_load_ss(ptrC));
 177     t4   = _mm_add_ss(t4, _mm_load_ss(ptrD));
 178
 179     _mm_store_ss(ptrA, t1);
 180     _mm_store_ss(ptrB, t2);
 181     _mm_store_ss(ptrC, t3);
 182     _mm_store_ss(ptrD, t4);
 183 }
 184
 185 static gmx_inline void gmx_simdcall
 186 gmx_mm256_increment_8real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 187                                      float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 188                                      float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 189                                      float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 190                                      __m256 xmm1)
 191 {
 192     __m256 t1;
 193
 194     t1 = _mm256_permute2f128_ps(xmm1, xmm1, 0x11);
 195
 196     gmx_mm256_increment_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD, xmm1);
 197     gmx_mm256_increment_4real_swizzle_ps(ptrE, ptrF, ptrG, ptrH, t1);
 198 }
 199
 200
 201 static gmx_inline void gmx_simdcall
 202 gmx_mm256_load_4pair_swizzle_ps(const float * gmx_restrict p1, const float * gmx_restrict p2,
 203                                 const float * gmx_restrict p3, const float * gmx_restrict p4,
 204                                 __m256 * gmx_restrict c6, __m256 * gmx_restrict c12)
 205 {
 206     __m128 t1, t2, t3, t4;
 207
 208     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p1); /* - - c12a  c6a */
 209     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p2); /* - - c12b  c6b */
 210     t3   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p3); /* - - c12c  c6c */
 211     t4   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p4); /* - - c12d  c6d */
 212
 213     t1   = _mm_unpacklo_ps(t1, t2);                     /* c12b c12a c6b c6a */
 214     t3   = _mm_unpacklo_ps(t3, t4);                     /* c12d c12c c6d c6c */
 215
 216     *c6  = _mm256_castps128_ps256(_mm_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)));
 217     *c12 = _mm256_castps128_ps256(_mm_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)));
 218 }
 219
 220 static gmx_inline void gmx_simdcall
 221 gmx_mm256_load_8pair_swizzle_ps(const float * gmx_restrict p1, const float * gmx_restrict p2,
 222                                 const float * gmx_restrict p3, const float * gmx_restrict p4,
 223                                 const float * gmx_restrict p5, const float * gmx_restrict p6,
 224                                 const float * gmx_restrict p7, const float * gmx_restrict p8,
 225                                 __m256 * gmx_restrict c6, __m256 * gmx_restrict c12)
 226 {
 227     __m256 c6l, c6h, c12l, c12h;
 228
 229     gmx_mm256_load_4pair_swizzle_ps(p1, p2, p3, p4, &c6l, &c12l);
 230     gmx_mm256_load_4pair_swizzle_ps(p5, p6, p7, p8, &c6h, &c12h);
 231
 232     *c6  = _mm256_permute2f128_ps(c6l, c6h, 0x20);
 233     *c12 = _mm256_permute2f128_ps(c12l, c12h, 0x20);
 234 }
 235
 236
 237 static gmx_inline void gmx_simdcall
 238 gmx_mm256_load_shift_and_1rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 239                                             const float * gmx_restrict xyz,
 240                                             __m256 * gmx_restrict      x1,
 241                                             __m256 * gmx_restrict      y1,
 242                                             __m256 * gmx_restrict      z1)
 243 {
 244     __m128 t1, t2, t3, t4;
 245
 246     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 247     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz);
 248     t3   = _mm_load_ss(xyz_shift+2);
 249     t4   = _mm_load_ss(xyz+2);
 250     t1   = _mm_add_ps(t1, t2);
 251     t3   = _mm_add_ss(t3, t4);
 252
 253     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 254     t1   = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 255     t3   = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 256
 257     *x1  = gmx_mm256_set_m128(t1, t1);
 258     *y1  = gmx_mm256_set_m128(t2, t2);
 259     *z1  = gmx_mm256_set_m128(t3, t3);
 260 }
 261
 262
 263 static gmx_inline void gmx_simdcall
 264 gmx_mm256_load_shift_and_3rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 265                                             const float * gmx_restrict xyz,
 266                                             __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 267                                             __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 268                                             __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3)
 269 {
 270     __m128 tA, tB;
 271     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9;
 272
 273     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 274     tB   = _mm_load_ss(xyz_shift+2);
 275
 276     t1   = _mm_loadu_ps(xyz);
 277     t2   = _mm_loadu_ps(xyz+4);
 278     t3   = _mm_load_ss(xyz+8);
 279
 280     tA   = _mm_movelh_ps(tA, tB);
 281     t4   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 2, 1, 0));
 282     t5   = _mm_permute_ps(tA, _MM_SHUFFLE(1, 0, 2, 1));
 283     t6   = _mm_permute_ps(tA, _MM_SHUFFLE(2, 1, 0, 2));
 284
 285     t1   = _mm_add_ps(t1, t4);
 286     t2   = _mm_add_ps(t2, t5);
 287     t3   = _mm_add_ss(t3, t6);
 288
 289     t9   = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 290     t8   = _mm_permute_ps(t2, _MM_SHUFFLE(3, 3, 3, 3));
 291     t7   = _mm_permute_ps(t2, _MM_SHUFFLE(2, 2, 2, 2));
 292     t6   = _mm_permute_ps(t2, _MM_SHUFFLE(1, 1, 1, 1));
 293     t5   = _mm_permute_ps(t2, _MM_SHUFFLE(0, 0, 0, 0));
 294     t4   = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 295     t3   = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 296     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 297     t1   = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 298
 299     *x1  = gmx_mm256_set_m128(t1, t1);
 300     *y1  = gmx_mm256_set_m128(t2, t2);
 301     *z1  = gmx_mm256_set_m128(t3, t3);
 302     *x2  = gmx_mm256_set_m128(t4, t4);
 303     *y2  = gmx_mm256_set_m128(t5, t5);
 304     *z2  = gmx_mm256_set_m128(t6, t6);
 305     *x3  = gmx_mm256_set_m128(t7, t7);
 306     *y3  = gmx_mm256_set_m128(t8, t8);
 307     *z3  = gmx_mm256_set_m128(t9, t9);
 308 }
 309
 310
 311 static gmx_inline void gmx_simdcall
 312 gmx_mm256_load_shift_and_4rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 313                                             const float * gmx_restrict xyz,
 314                                             __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 315                                             __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 316                                             __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3,
 317                                             __m256 * gmx_restrict x4, __m256 * gmx_restrict y4, __m256 * gmx_restrict z4)
 318 {
 319     __m128 tA, tB;
 320     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 321
 322     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 323     tB   = _mm_load_ss(xyz_shift+2);
 324
 325     t1   = _mm_loadu_ps(xyz);
 326     t2   = _mm_loadu_ps(xyz+4);
 327     t3   = _mm_loadu_ps(xyz+8);
 328
 329     tA   = _mm_movelh_ps(tA, tB);
 330     t4   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 2, 1, 0));
 331     t5   = _mm_permute_ps(tA, _MM_SHUFFLE(1, 0, 2, 1));
 332     t6   = _mm_permute_ps(tA, _MM_SHUFFLE(2, 1, 0, 2));
 333
 334     t1   = _mm_add_ps(t1, t4);
 335     t2   = _mm_add_ps(t2, t5);
 336     t3   = _mm_add_ps(t3, t6);
 337
 338     t12  = _mm_permute_ps(t3, _MM_SHUFFLE(3, 3, 3, 3));
 339     t11  = _mm_permute_ps(t3, _MM_SHUFFLE(2, 2, 2, 2));
 340     t10  = _mm_permute_ps(t3, _MM_SHUFFLE(1, 1, 1, 1));
 341     t9   = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 342     t8   = _mm_permute_ps(t2, _MM_SHUFFLE(3, 3, 3, 3));
 343     t7   = _mm_permute_ps(t2, _MM_SHUFFLE(2, 2, 2, 2));
 344     t6   = _mm_permute_ps(t2, _MM_SHUFFLE(1, 1, 1, 1));
 345     t5   = _mm_permute_ps(t2, _MM_SHUFFLE(0, 0, 0, 0));
 346     t4   = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 347     t3   = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 348     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 349     t1   = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 350
 351     *x1  = gmx_mm256_set_m128(t1, t1);
 352     *y1  = gmx_mm256_set_m128(t2, t2);
 353     *z1  = gmx_mm256_set_m128(t3, t3);
 354     *x2  = gmx_mm256_set_m128(t4, t4);
 355     *y2  = gmx_mm256_set_m128(t5, t5);
 356     *z2  = gmx_mm256_set_m128(t6, t6);
 357     *x3  = gmx_mm256_set_m128(t7, t7);
 358     *y3  = gmx_mm256_set_m128(t8, t8);
 359     *z3  = gmx_mm256_set_m128(t9, t9);
 360     *x4  = gmx_mm256_set_m128(t10, t10);
 361     *y4  = gmx_mm256_set_m128(t11, t11);
 362     *z4  = gmx_mm256_set_m128(t12, t12);
 363 }
 364
 365
 366
 367 static gmx_inline void gmx_simdcall
 368 gmx_mm256_load_1rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 369                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 370                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1)
 371 {
 372     __m128  t1, t2, t3, t4;
 373     __m128i mask = _mm_set_epi32(0, -1, -1, -1);
 374     t1             = gmx_mm_maskload_ps(ptrA, mask);
 375     t2             = gmx_mm_maskload_ps(ptrB, mask);
 376     t3             = gmx_mm_maskload_ps(ptrC, mask);
 377     t4             = gmx_mm_maskload_ps(ptrD, mask);
 378     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 379     *x1           = _mm256_castps128_ps256(t1);
 380     *y1           = _mm256_castps128_ps256(t2);
 381     *z1           = _mm256_castps128_ps256(t3);
 382 }
 383
 384
 385 static gmx_inline void gmx_simdcall
 386 gmx_mm256_load_3rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 387                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 388                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 389                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 390                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3)
 391 {
 392     __m128 t1, t2, t3, t4;
 393     t1            = _mm_loadu_ps(ptrA);
 394     t2            = _mm_loadu_ps(ptrB);
 395     t3            = _mm_loadu_ps(ptrC);
 396     t4            = _mm_loadu_ps(ptrD);
 397     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 398     *x1           = _mm256_castps128_ps256(t1);
 399     *y1           = _mm256_castps128_ps256(t2);
 400     *z1           = _mm256_castps128_ps256(t3);
 401     *x2           = _mm256_castps128_ps256(t4);
 402     t1            = _mm_loadu_ps(ptrA+4);
 403     t2            = _mm_loadu_ps(ptrB+4);
 404     t3            = _mm_loadu_ps(ptrC+4);
 405     t4            = _mm_loadu_ps(ptrD+4);
 406     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 407     *y2           = _mm256_castps128_ps256(t1);
 408     *z2           = _mm256_castps128_ps256(t2);
 409     *x3           = _mm256_castps128_ps256(t3);
 410     *y3           = _mm256_castps128_ps256(t4);
 411     t1            = _mm_load_ss(ptrA+8);
 412     t2            = _mm_load_ss(ptrB+8);
 413     t3            = _mm_load_ss(ptrC+8);
 414     t4            = _mm_load_ss(ptrD+8);
 415     t1            = _mm_unpacklo_ps(t1, t3);
 416     t3            = _mm_unpacklo_ps(t2, t4);
 417     *z3           = _mm256_castps128_ps256(_mm_unpacklo_ps(t1, t3));
 418 }
 419
 420
 421
 422 static gmx_inline void gmx_simdcall
 423 gmx_mm256_load_4rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 424                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 425                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 426                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 427                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3,
 428                                      __m256 * gmx_restrict x4, __m256 * gmx_restrict y4, __m256 * gmx_restrict z4)
 429 {
 430     __m128 t1, t2, t3, t4;
 431     t1            = _mm_loadu_ps(ptrA);
 432     t2            = _mm_loadu_ps(ptrB);
 433     t3            = _mm_loadu_ps(ptrC);
 434     t4            = _mm_loadu_ps(ptrD);
 435     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 436     *x1           = _mm256_castps128_ps256(t1);
 437     *y1           = _mm256_castps128_ps256(t2);
 438     *z1           = _mm256_castps128_ps256(t3);
 439     *x2           = _mm256_castps128_ps256(t4);
 440     t1            = _mm_loadu_ps(ptrA+4);
 441     t2            = _mm_loadu_ps(ptrB+4);
 442     t3            = _mm_loadu_ps(ptrC+4);
 443     t4            = _mm_loadu_ps(ptrD+4);
 444     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 445     *y2           = _mm256_castps128_ps256(t1);
 446     *z2           = _mm256_castps128_ps256(t2);
 447     *x3           = _mm256_castps128_ps256(t3);
 448     *y3           = _mm256_castps128_ps256(t4);
 449     t1            = _mm_loadu_ps(ptrA+8);
 450     t2            = _mm_loadu_ps(ptrB+8);
 451     t3            = _mm_loadu_ps(ptrC+8);
 452     t4            = _mm_loadu_ps(ptrD+8);
 453     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 454     *z3           = _mm256_castps128_ps256(t1);
 455     *x4           = _mm256_castps128_ps256(t2);
 456     *y4           = _mm256_castps128_ps256(t3);
 457     *z4           = _mm256_castps128_ps256(t4);
 458 }
 459
 460
 461 static gmx_inline void gmx_simdcall
 462 gmx_mm256_load_1rvec_8ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 463                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 464                                      const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 465                                      const float * gmx_restrict ptrG, const float * gmx_restrict ptrH,
 466                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1)
 467 {
 468     __m256  t1, t2, t3, t4, t5, t6, t7, t8;
 469     __m128i mask = _mm_set_epi32(0, -1, -1, -1);
 470
 471     t1             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrE, mask), gmx_mm_maskload_ps(ptrA, mask)); /*  - zE yE xE |  - zA yA xA */
 472     t2             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrF, mask), gmx_mm_maskload_ps(ptrB, mask)); /*  - zF yF xF |  - zB yB xB */
 473     t3             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrG, mask), gmx_mm_maskload_ps(ptrC, mask)); /*  - zG yG xG |  - zC yC xC */
 474     t4             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrH, mask), gmx_mm_maskload_ps(ptrD, mask)); /*  - zH yH xH |  - zD yD xD */
 475
 476     t5            = _mm256_unpacklo_ps(t1, t2);                                                          /* yF yE xF xE | yB yA xB xA */
 477     t6            = _mm256_unpacklo_ps(t3, t4);                                                          /* yH yG xH xG | yD yC xD xC */
 478     t7            = _mm256_unpackhi_ps(t1, t2);                                                          /*  -  - zF zE |  -  - zB zA */
 479     t8            = _mm256_unpackhi_ps(t3, t4);                                                          /*  -  - zH zG |  -  - zD zC */
 480
 481     *x1           = _mm256_shuffle_ps(t5, t6, _MM_SHUFFLE(1, 0, 1, 0));
 482     *y1           = _mm256_shuffle_ps(t5, t6, _MM_SHUFFLE(3, 2, 3, 2));
 483     *z1           = _mm256_shuffle_ps(t7, t8, _MM_SHUFFLE(1, 0, 1, 0));
 484 }
 485
 486
 487 static gmx_inline void gmx_simdcall
 488 gmx_mm256_load_3rvec_8ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 489                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 490                                      const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 491                                      const float * gmx_restrict ptrG, const float * gmx_restrict ptrH,
 492                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 493                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 494                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3)
 495 {
 496     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 497
 498     t1           = _mm256_loadu_ps(ptrA);                                /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 499     t2           = _mm256_loadu_ps(ptrB);                                /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 500     t3           = _mm256_loadu_ps(ptrC);                                /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 501     t4           = _mm256_loadu_ps(ptrD);                                /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 502     t5           = _mm256_loadu_ps(ptrE);                                /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 503     t6           = _mm256_loadu_ps(ptrF);                                /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 504     t7           = _mm256_loadu_ps(ptrG);                                /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 505     t8           = _mm256_loadu_ps(ptrH);                                /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 506
 507     t9           = _mm256_unpacklo_ps(t1, t2);                           /* z2b z2a y2b y2a | y1b y1a x1b x1a */
 508     t10          = _mm256_unpackhi_ps(t1, t2);                           /* y3b y3a x3b x3a | x2b x2a z1b z1a */
 509     t11          = _mm256_unpacklo_ps(t3, t4);                           /* z2d z2c y2d y2c | y1d y1c x1d x1c */
 510     t12          = _mm256_unpackhi_ps(t3, t4);                           /* y3d y3c x3d x3c | x2d x2c z1d z1c */
 511     t1           = _mm256_unpacklo_ps(t5, t6);                           /* z2f z2e y2f y2e | y1f y1e x1f x1e */
 512     t2           = _mm256_unpackhi_ps(t5, t6);                           /* y3f y3e x3f x3e | x2f x2e z1f z1e */
 513     t3           = _mm256_unpacklo_ps(t7, t8);                           /* z2h z2g y2h y2g | y1h y1g x1h x1g */
 514     t4           = _mm256_unpackhi_ps(t7, t8);                           /* y3h y3g x3h x3g | x2h x2g z1h z1g */
 515
 516     t5           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(1, 0, 1, 0));  /* y2d y2c y2b y2a | x1d x1c x1b x1a */
 517     t6           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(3, 2, 3, 2));  /* z2d z2c z2b z2a | y1d y1c y1b y1a */
 518     t7           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(1, 0, 1, 0)); /* x3d x3c x3b x3a | z1d z1c z1b z1a */
 519     t8           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(3, 2, 3, 2)); /* y3d y3c y3b y3a | x2d x2c x2b x2a */
 520
 521     t9           = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0));   /* y2h y2g y2f y2e | x1h x1g x1f x1e */
 522     t10          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2));   /* z2h z2g z2f z2e | y1h y1g y1f y1e */
 523     t11          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0));   /* x3h x3g x3f x3e | z1h z1g z1f z1e */
 524     t12          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2));   /* y3h y3g y3f y3e | x2h x2g x2f x2e */
 525
 526     *x1          = _mm256_permute2f128_ps(t5, t9,  0x20);
 527     *y1          = _mm256_permute2f128_ps(t6, t10, 0x20);
 528     *z1          = _mm256_permute2f128_ps(t7, t11, 0x20);
 529     *x2          = _mm256_permute2f128_ps(t8, t12, 0x20);
 530
 531     *y2          = _mm256_permute2f128_ps(t5, t9,  0x31);
 532     *z2          = _mm256_permute2f128_ps(t6, t10, 0x31);
 533     *x3          = _mm256_permute2f128_ps(t7, t11, 0x31);
 534     *y3          = _mm256_permute2f128_ps(t8, t12, 0x31);
 535
 536     t1           = gmx_mm256_set_m128(_mm_load_ss(ptrE+8), _mm_load_ss(ptrA+8));
 537     t2           = gmx_mm256_set_m128(_mm_load_ss(ptrF+8), _mm_load_ss(ptrB+8));
 538     t3           = gmx_mm256_set_m128(_mm_load_ss(ptrG+8), _mm_load_ss(ptrC+8));
 539     t4           = gmx_mm256_set_m128(_mm_load_ss(ptrH+8), _mm_load_ss(ptrD+8));
 540
 541     t1           = _mm256_unpacklo_ps(t1, t3);  /*  -   -  z3g z3e |  -   -  z3c z3a */
 542     t2           = _mm256_unpacklo_ps(t2, t4);  /*  -   -  z3h z3f |  -   -  z3d z3b */
 543
 544     *z3          = _mm256_unpacklo_ps(t1, t2);
 545 }
 546
 547
 548
 549 static gmx_inline void gmx_simdcall
 550 gmx_mm256_load_4rvec_8ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 551                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 552                                      const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 553                                      const float * gmx_restrict ptrG, const float * gmx_restrict ptrH,
 554                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 555                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 556                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3,
 557                                      __m256 * gmx_restrict x4, __m256 * gmx_restrict y4, __m256 * gmx_restrict z4)
 558 {
 559     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 560
 561     t1           = _mm256_loadu_ps(ptrA);                                /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 562     t2           = _mm256_loadu_ps(ptrB);                                /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 563     t3           = _mm256_loadu_ps(ptrC);                                /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 564     t4           = _mm256_loadu_ps(ptrD);                                /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 565     t5           = _mm256_loadu_ps(ptrE);                                /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 566     t6           = _mm256_loadu_ps(ptrF);                                /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 567     t7           = _mm256_loadu_ps(ptrG);                                /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 568     t8           = _mm256_loadu_ps(ptrH);                                /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 569
 570     t9           = _mm256_unpacklo_ps(t1, t2);                           /* z2b z2a y2b y2a | y1b y1a x1b x1a */
 571     t10          = _mm256_unpackhi_ps(t1, t2);                           /* y3b y3a x3b x3a | x2b x2a z1b z1a */
 572     t11          = _mm256_unpacklo_ps(t3, t4);                           /* z2d z2c y2d y2c | y1d y1c x1d x1c */
 573     t12          = _mm256_unpackhi_ps(t3, t4);                           /* y3d y3c x3d x3c | x2d x2c z1d z1c */
 574     t1           = _mm256_unpacklo_ps(t5, t6);                           /* z2f z2e y2f y2e | y1f y1e x1f x1e */
 575     t2           = _mm256_unpackhi_ps(t5, t6);                           /* y3f y3e x3f x3e | x2f x2e z1f z1e */
 576     t3           = _mm256_unpacklo_ps(t7, t8);                           /* z2h z2g y2h y2g | y1h y1g x1h x1g */
 577     t4           = _mm256_unpackhi_ps(t7, t8);                           /* y3h y3g x3h x3g | x2h x2g z1h z1g */
 578
 579     t5           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(1, 0, 1, 0));  /* y2d y2c y2b y2a | x1d x1c x1b x1a */
 580     t6           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(3, 2, 3, 2));  /* z2d z2c z2b z2a | y1d y1c y1b y1a */
 581     t7           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(1, 0, 1, 0)); /* x3d x3c x3b x3a | z1d z1c z1b z1a */
 582     t8           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(3, 2, 3, 2)); /* y3d y3c y3b y3a | x2d x2c x2b x2a */
 583     t9           = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0));   /* y2h y2g y2f y2e | x1h x1g x1f x1e */
 584     t10          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2));   /* z2h z2g z2f z2e | y1h y1g y1f y1e */
 585     t11          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0));   /* x3h x3g x3f x3e | z1h z1g z1f z1e */
 586     t12          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2));   /* y3h y3g y3f y3e | x2h x2g x2f x2e */
 587
 588     *x1          = _mm256_permute2f128_ps(t5, t9,  0x20);
 589     *y1          = _mm256_permute2f128_ps(t6, t10, 0x20);
 590     *z1          = _mm256_permute2f128_ps(t7, t11, 0x20);
 591     *x2          = _mm256_permute2f128_ps(t8, t12, 0x20);
 592
 593     *y2          = _mm256_permute2f128_ps(t5, t9,  0x31);
 594     *z2          = _mm256_permute2f128_ps(t6, t10, 0x31);
 595     *x3          = _mm256_permute2f128_ps(t7, t11, 0x31);
 596     *y3          = _mm256_permute2f128_ps(t8, t12, 0x31);
 597
 598     t1           = gmx_mm256_set_m128(_mm_loadu_ps(ptrE+8), _mm_loadu_ps(ptrA+8)); /* z4e y4e x4e z3e | z4a y4a x4a z3a */
 599     t2           = gmx_mm256_set_m128(_mm_loadu_ps(ptrF+8), _mm_loadu_ps(ptrB+8)); /* z4f y4f x4f z3f | z4b y4b x4b z3b */
 600     t3           = gmx_mm256_set_m128(_mm_loadu_ps(ptrG+8), _mm_loadu_ps(ptrC+8)); /* z4g y4g x4g z3g | z4c y4c x4c z3c */
 601     t4           = gmx_mm256_set_m128(_mm_loadu_ps(ptrH+8), _mm_loadu_ps(ptrD+8)); /* z4h y4h x4h z3h | z4d y4d x4d z3d */
 602
 603     t5           = _mm256_unpacklo_ps(t1, t2);                                     /* x4f x4e z3f z3e | x4b x4a z3b z3a */
 604     t6           = _mm256_unpackhi_ps(t1, t2);                                     /* z4f z4e y4f y4e | z4b z4a y4b y4a */
 605     t7           = _mm256_unpacklo_ps(t3, t4);                                     /* x4h x4g z3h z3g | x4d x4c z3d z3c */
 606     t8           = _mm256_unpackhi_ps(t3, t4);                                     /* z4h z4g y4h y4g | z4d z4c y4d y4c */
 607
 608     *z3          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0));             /* z3h z3g z3f z3e | z3d z3c z3b z3a */
 609     *x4          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2));             /* x4h x4g x4f x4e | x4d x4c x4b x4a */
 610     *y4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0));             /* y4h y4g y4f y4e | y4d y4c y4b y4a */
 611     *z4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2));             /* z4h z4g z4f z4e | z4d z4c z4b z4a */
 612 }
 613
 614
 615 static gmx_inline void gmx_simdcall
 616 gmx_mm256_decrement_1rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 617                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 618                                           __m256 x1, __m256 y1, __m256 z1)
 619 {
 620     __m128  t1, t2, t3, t4, t5, t6, t7, t8;
 621     __m128i mask;
 622
 623     /* Construct a mask without executing any data loads */
 624     mask        = _mm_blend_epi16(_mm_setzero_si128(), _mm_cmpeq_epi16(_mm_setzero_si128(), _mm_setzero_si128()), 0x3F);
 625
 626     t3          = _mm_unpacklo_ps(_mm256_castps256_ps128(x1), _mm256_castps256_ps128(y1)); /* y1b x1b y1a x1a */
 627     t4          = _mm_unpackhi_ps(_mm256_castps256_ps128(x1), _mm256_castps256_ps128(y1)); /* y1d x1d y1c x1c */
 628
 629     t1          = _mm_shuffle_ps(t3, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 0, 1, 0)); /*  -  z1a y1a x1a */
 630     t2          = _mm_shuffle_ps(t3, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 1, 3, 2)); /*  -  z1b y1b x1b */
 631     t3          = _mm_shuffle_ps(t4, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 2, 1, 0)); /*  -  z1c y1c x1c */
 632     t4          = _mm_shuffle_ps(t4, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 3, 3, 2)); /*  -  z1d y1d x1d */
 633
 634     t5          = gmx_mm_maskload_ps(ptrA, mask);
 635     t6          = gmx_mm_maskload_ps(ptrB, mask);
 636     t7          = gmx_mm_maskload_ps(ptrC, mask);
 637     t8          = gmx_mm_maskload_ps(ptrD, mask);
 638
 639     t5          = _mm_sub_ps(t5, t1);
 640     t6          = _mm_sub_ps(t6, t2);
 641     t7          = _mm_sub_ps(t7, t3);
 642     t8          = _mm_sub_ps(t8, t4);
 643
 644     gmx_mm_maskstore_ps(ptrA, mask, t5);
 645     gmx_mm_maskstore_ps(ptrB, mask, t6);
 646     gmx_mm_maskstore_ps(ptrC, mask, t7);
 647     gmx_mm_maskstore_ps(ptrD, mask, t8);
 648 }
 649
 650
 651 static gmx_inline void gmx_simdcall
 652 gmx_mm256_decrement_3rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 653                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 654                                           __m256 x1, __m256 y1, __m256 z1,
 655                                           __m256 x2, __m256 y2, __m256 z2,
 656                                           __m256 x3, __m256 y3, __m256 z3)
 657 {
 658     __m256 t1, t2, t3, t4, t5, t6;
 659     __m128 tA, tB, tC, tD;
 660
 661     t1          = _mm256_loadu_ps(ptrA);
 662     t2          = _mm256_loadu_ps(ptrB);
 663     t3          = _mm256_loadu_ps(ptrC);
 664     t4          = _mm256_loadu_ps(ptrD);
 665     tA          = _mm_load_ss(ptrA+8);
 666     tB          = _mm_load_ss(ptrB+8);
 667     tC          = _mm_load_ss(ptrC+8);
 668     tD          = _mm_load_ss(ptrD+8);
 669
 670     t5          = _mm256_unpacklo_ps(x1, y1);                                /* - - - - | y1b x1b y1a x1a */
 671     x1          = _mm256_unpackhi_ps(x1, y1);                                /* - - - - | y1d x1d y1c x1c */
 672     y1          = _mm256_unpacklo_ps(z1, x2);                                /* - - - - | x2b z1b x2a z1a */
 673     z1          = _mm256_unpackhi_ps(z1, x2);                                /* - - - - | x2d z1d x2c z1c */
 674
 675     x2          = _mm256_unpacklo_ps(y2, z2);                                /* - - - - | z2b y2b z2a y2a */
 676     y2          = _mm256_unpackhi_ps(y2, z2);                                /* - - - - | z2d y2d z2c y2c */
 677     t6          = _mm256_unpacklo_ps(x3, y3);                                /* - - - - | y3b x3b y3a x3a */
 678     x3          = _mm256_unpackhi_ps(x3, y3);                                /* - - - - | y3d x3d y3c x3c */
 679
 680     t5          = _mm256_insertf128_ps(t5, _mm256_castps256_ps128(x2), 0x1); /* z2b y2b z2a y2a | y1b x1b y1a x1a */
 681     x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1); /* z2d y2d z2c y2c | y1d x1d y1c x1c */
 682
 683     y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(t6), 0x1); /* y3b x3b y3a x3a | x2b z1b x2a z1a */
 684     z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1); /* y3d x3d y3c x3c | x2d z1d x2c z1c */
 685
 686     z2          = _mm256_shuffle_ps(t5, y1, _MM_SHUFFLE(1, 0, 1, 0));        /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 687     t5          = _mm256_shuffle_ps(t5, y1, _MM_SHUFFLE(3, 2, 3, 2));        /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 688     y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0));        /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 689     x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2));        /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 690
 691     t1          = _mm256_sub_ps(t1, z2);
 692     t2          = _mm256_sub_ps(t2, t5);
 693     t3          = _mm256_sub_ps(t3, y1);
 694     t4          = _mm256_sub_ps(t4, x1);
 695
 696     tA          = _mm_sub_ss(tA, _mm256_castps256_ps128(z3));
 697     tB          = _mm_sub_ss(tB, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(1, 1, 1, 1)));
 698     tC          = _mm_sub_ss(tC, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(2, 2, 2, 2)));
 699     tD          = _mm_sub_ss(tD, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(3, 3, 3, 3)));
 700
 701     /* Here we store a full 256-bit value and a separate 32-bit one; no overlap can happen */
 702     _mm256_storeu_ps(ptrA, t1);
 703     _mm256_storeu_ps(ptrB, t2);
 704     _mm256_storeu_ps(ptrC, t3);
 705     _mm256_storeu_ps(ptrD, t4);
 706     _mm_store_ss(ptrA+8, tA);
 707     _mm_store_ss(ptrB+8, tB);
 708     _mm_store_ss(ptrC+8, tC);
 709     _mm_store_ss(ptrD+8, tD);
 710 }
 711
 712
 713 static gmx_inline void gmx_simdcall
 714 gmx_mm256_decrement_4rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 715                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 716                                           __m256 x1, __m256 y1, __m256 z1,
 717                                           __m256 x2, __m256 y2, __m256 z2,
 718                                           __m256 x3, __m256 y3, __m256 z3,
 719                                           __m256 x4, __m256 y4, __m256 z4)
 720 {
 721     __m256 t1, t2, t3, t4, t5;
 722     __m128 tA, tB, tC, tD, tE, tF, tG, tH;
 723
 724     t1          = _mm256_loadu_ps(ptrA);
 725     t2          = _mm256_loadu_ps(ptrB);
 726     t3          = _mm256_loadu_ps(ptrC);
 727     t4          = _mm256_loadu_ps(ptrD);
 728     tA          = _mm_loadu_ps(ptrA+8);
 729     tB          = _mm_loadu_ps(ptrB+8);
 730     tC          = _mm_loadu_ps(ptrC+8);
 731     tD          = _mm_loadu_ps(ptrD+8);
 732
 733     t5          = _mm256_unpacklo_ps(x1, y1);                                                                      /* - - - - | y1b x1b y1a x1a */
 734     x1          = _mm256_unpackhi_ps(x1, y1);                                                                      /* - - - - | y1d x1d y1c x1c */
 735     y1          = _mm256_unpacklo_ps(z1, x2);                                                                      /* - - - - | x2b z1b x2a z1a */
 736     z1          = _mm256_unpackhi_ps(z1, x2);                                                                      /* - - - - | x2d z1d x2c z1c */
 737
 738     x2          = _mm256_unpacklo_ps(y2, z2);                                                                      /* - - - - | z2b y2b z2a y2a */
 739     y2          = _mm256_unpackhi_ps(y2, z2);                                                                      /* - - - - | z2d y2d z2c y2c */
 740     z2          = _mm256_unpacklo_ps(x3, y3);                                                                      /* - - - - | y3b x3b y3a x3a */
 741     x3          = _mm256_unpackhi_ps(x3, y3);                                                                      /* - - - - | y3d x3d y3c x3c */
 742
 743     y3          = _mm256_unpacklo_ps(z3, x4);                                                                      /* - - - - | x4b z3b x4a z3a */
 744     z3          = _mm256_unpackhi_ps(z3, x4);                                                                      /* - - - - | x4d z3d x4c z3c */
 745     x4          = _mm256_unpacklo_ps(y4, z4);                                                                      /* - - - - | z4b y4b z4a y4a */
 746     y4          = _mm256_unpackhi_ps(y4, z4);                                                                      /* - - - - | z4d y4d z4c y4c */
 747
 748     x2          = _mm256_insertf128_ps(t5, _mm256_castps256_ps128(x2), 0x1);                                       /* z2b y2b z2a y2a | y1b x1b y1a x1a */
 749     x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1);                                       /* z2d y2d z2c y2c | y1d x1d y1c x1c */
 750     y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(z2), 0x1);                                       /* y3b x3b y3a x3a | x2b z1b x2a z1a */
 751     z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1);                                       /* y3d x3d y3c x3c | x2d z1d x2c z1c */
 752
 753     z2          = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(1, 0, 1, 0));                                              /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 754     t5          = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(3, 2, 3, 2));                                              /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 755     y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0));                                              /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 756     x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2));                                              /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 757
 758     tE          = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(1, 0, 1, 0)); /* z4a y4a x4a z3a */
 759     tF          = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(3, 2, 3, 2)); /* z4b y4b x4b z3b */
 760
 761     tG          = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(1, 0, 1, 0)); /* z4c y4c x4c z3c */
 762     tH          = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(3, 2, 3, 2)); /* z4d y4d x4d z3d */
 763
 764     t1          = _mm256_sub_ps(t1, z2);
 765     t2          = _mm256_sub_ps(t2, t5);
 766     t3          = _mm256_sub_ps(t3, y1);
 767     t4          = _mm256_sub_ps(t4, x1);
 768
 769     tA          = _mm_sub_ps(tA, tE);
 770     tB          = _mm_sub_ps(tB, tF);
 771     tC          = _mm_sub_ps(tC, tG);
 772     tD          = _mm_sub_ps(tD, tH);
 773
 774     /* Here we store a full 256-bit value and a separate 128-bit one; no overlap can happen */
 775     _mm256_storeu_ps(ptrA, t1);
 776     _mm256_storeu_ps(ptrB, t2);
 777     _mm256_storeu_ps(ptrC, t3);
 778     _mm256_storeu_ps(ptrD, t4);
 779     _mm_storeu_ps(ptrA+8, tA);
 780     _mm_storeu_ps(ptrB+8, tB);
 781     _mm_storeu_ps(ptrC+8, tC);
 782     _mm_storeu_ps(ptrD+8, tD);
 783 }
 784
 785
 786 static gmx_inline void gmx_simdcall
 787 gmx_mm256_decrement_1rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 788                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 789                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 790                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 791                                           __m256 x1, __m256 y1, __m256 z1)
 792 {
 793     __m256  t1, t2, t3, t4, t5, t6;
 794     __m256  tA, tB, tC, tD;
 795     __m128i mask;
 796
 797     /* Construct a mask without executing any data loads */
 798     mask        = _mm_blend_epi16(_mm_setzero_si128(), _mm_cmpeq_epi16(_mm_setzero_si128(), _mm_setzero_si128()), 0x3F);
 799
 800     tA          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrE, mask), gmx_mm_maskload_ps(ptrA, mask));
 801     tB          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrF, mask), gmx_mm_maskload_ps(ptrB, mask));
 802     tC          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrG, mask), gmx_mm_maskload_ps(ptrC, mask));
 803     tD          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrH, mask), gmx_mm_maskload_ps(ptrD, mask));
 804     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
 805     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
 806
 807     t3          = _mm256_shuffle_ps(t1, z1, _MM_SHUFFLE(0, 0, 1, 0)); /*  -  z1e y1e x1e |  - z1a y1a x1a */
 808     t4          = _mm256_shuffle_ps(t1, z1, _MM_SHUFFLE(0, 1, 3, 2)); /*  -  z1f y1f x1f |  - z1b y1b x1b */
 809     t5          = _mm256_shuffle_ps(t2, z1, _MM_SHUFFLE(0, 2, 1, 0)); /*  -  z1g y1g x1g |  - z1c y1c x1c */
 810     t6          = _mm256_shuffle_ps(t2, z1, _MM_SHUFFLE(0, 3, 3, 2)); /*  -  z1h y1h x1h |  - z1d y1d x1d */
 811
 812     tA          = _mm256_sub_ps(tA, t3);
 813     tB          = _mm256_sub_ps(tB, t4);
 814     tC          = _mm256_sub_ps(tC, t5);
 815     tD          = _mm256_sub_ps(tD, t6);
 816
 817     gmx_mm_maskstore_ps(ptrA, mask, _mm256_castps256_ps128(tA));
 818     gmx_mm_maskstore_ps(ptrB, mask, _mm256_castps256_ps128(tB));
 819     gmx_mm_maskstore_ps(ptrC, mask, _mm256_castps256_ps128(tC));
 820     gmx_mm_maskstore_ps(ptrD, mask, _mm256_castps256_ps128(tD));
 821     gmx_mm_maskstore_ps(ptrE, mask, _mm256_extractf128_ps(tA, 0x1));
 822     gmx_mm_maskstore_ps(ptrF, mask, _mm256_extractf128_ps(tB, 0x1));
 823     gmx_mm_maskstore_ps(ptrG, mask, _mm256_extractf128_ps(tC, 0x1));
 824     gmx_mm_maskstore_ps(ptrH, mask, _mm256_extractf128_ps(tD, 0x1));
 825 }
 826
 827
 828
 829 static gmx_inline void gmx_simdcall
 830 gmx_mm256_decrement_3rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 831                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 832                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 833                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 834                                           __m256 x1, __m256 y1, __m256 z1,
 835                                           __m256 x2, __m256 y2, __m256 z2,
 836                                           __m256 x3, __m256 y3, __m256 z3)
 837 {
 838     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 839     __m256 tA, tB, tC, tD, tE, tF, tG, tH;
 840     __m256 tI, tJ, tK, tL;
 841
 842     tA          = _mm256_loadu_ps(ptrA);
 843     tB          = _mm256_loadu_ps(ptrB);
 844     tC          = _mm256_loadu_ps(ptrC);
 845     tD          = _mm256_loadu_ps(ptrD);
 846     tE          = _mm256_loadu_ps(ptrE);
 847     tF          = _mm256_loadu_ps(ptrF);
 848     tG          = _mm256_loadu_ps(ptrG);
 849     tH          = _mm256_loadu_ps(ptrH);
 850
 851     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
 852     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
 853     t3          = _mm256_unpacklo_ps(z1, x2);                         /* x2f z1f x2e z1e | x2b z1b x2a z1a */
 854     t4          = _mm256_unpackhi_ps(z1, x2);                         /* x2h z1h x2g z1g | x2d z1d x2c z1c */
 855
 856     t5          = _mm256_unpacklo_ps(y2, z2);                         /* z2f y2f z2e y2e | z2b y2b z2a y2a */
 857     t6          = _mm256_unpackhi_ps(y2, z2);                         /* z2h y2h z2g y2g | z2d y2d z2c y2c */
 858     t7          = _mm256_unpacklo_ps(x3, y3);                         /* y3f x3f y3e x3e | y3b x3b y3a x3a */
 859     t8          = _mm256_unpackhi_ps(x3, y3);                         /* y3h x3h y3g x3g | y3d x3d y3c x3c */
 860
 861     t9          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* x2e z1e y1e x1e | x2a z1a y1a x1a */
 862     t10         = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* x2f z1f y1f x1f | x2b z1b y1b x1b */
 863     t11         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* x2g z1g y1g x1g | x2c z1c y1c x1c */
 864     t12         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* x2h z1h y1h x1h | x2d z1d y1d x1d */
 865
 866     t1          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0)); /* y3e x3e z2e y2e | y3a x3a z2a y2a */
 867     t2          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2)); /* y3f x3f z2f y2f | y3b x3b z2b y2b */
 868     t3          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0)); /* y3g x3g z2g y2g | y3c x3c z2c y2c */
 869     t4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2)); /* y3h x3h z2h y2h | y3d x3d z2d y2d */
 870
 871     t5          = gmx_mm256_unpack128lo_ps(t9, t1);                   /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 872     t6          = gmx_mm256_unpack128hi_ps(t9, t1);                   /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 873     t7          = gmx_mm256_unpack128lo_ps(t10, t2);                  /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 874     t8          = gmx_mm256_unpack128hi_ps(t10, t2);                  /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 875     t1          = gmx_mm256_unpack128lo_ps(t11, t3);                  /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 876     t2          = gmx_mm256_unpack128hi_ps(t11, t3);                  /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 877     t9          = gmx_mm256_unpack128lo_ps(t12, t4);                  /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 878     t10         = gmx_mm256_unpack128hi_ps(t12, t4);                  /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 879
 880     tA          = _mm256_sub_ps(tA, t5);
 881     tB          = _mm256_sub_ps(tB, t7);
 882     tC          = _mm256_sub_ps(tC, t1);
 883     tD          = _mm256_sub_ps(tD, t9);
 884     tE          = _mm256_sub_ps(tE, t6);
 885     tF          = _mm256_sub_ps(tF, t8);
 886     tG          = _mm256_sub_ps(tG, t2);
 887     tH          = _mm256_sub_ps(tH, t10);
 888
 889     _mm256_storeu_ps(ptrA, tA);
 890     _mm256_storeu_ps(ptrB, tB);
 891     _mm256_storeu_ps(ptrC, tC);
 892     _mm256_storeu_ps(ptrD, tD);
 893     _mm256_storeu_ps(ptrE, tE);
 894     _mm256_storeu_ps(ptrF, tF);
 895     _mm256_storeu_ps(ptrG, tG);
 896     _mm256_storeu_ps(ptrH, tH);
 897
 898     tI          = gmx_mm256_set_m128(_mm_load_ss(ptrE+8), _mm_load_ss(ptrA+8));
 899     tJ          = gmx_mm256_set_m128(_mm_load_ss(ptrF+8), _mm_load_ss(ptrB+8));
 900     tK          = gmx_mm256_set_m128(_mm_load_ss(ptrG+8), _mm_load_ss(ptrC+8));
 901     tL          = gmx_mm256_set_m128(_mm_load_ss(ptrH+8), _mm_load_ss(ptrD+8));
 902
 903     tI          = _mm256_unpacklo_ps(tI, tK);  /*  -  - zG zE |  -  - zC zA */
 904     tJ          = _mm256_unpacklo_ps(tJ, tL);  /*  -  - zH zF |  -  - zD zB */
 905     tI          = _mm256_unpacklo_ps(tI, tJ);  /* zH zG zF zE | zD zC zB zA */
 906
 907     tI          = _mm256_sub_ps(tI, z3);
 908     tJ          = _mm256_permute_ps(tI, _MM_SHUFFLE(1, 1, 1, 1));
 909     tK          = _mm256_permute_ps(tI, _MM_SHUFFLE(2, 2, 2, 2));
 910     tL          = _mm256_permute_ps(tI, _MM_SHUFFLE(3, 3, 3, 3));
 911
 912     _mm_store_ss(ptrA+8, _mm256_castps256_ps128(tI));
 913     _mm_store_ss(ptrB+8, _mm256_castps256_ps128(tJ));
 914     _mm_store_ss(ptrC+8, _mm256_castps256_ps128(tK));
 915     _mm_store_ss(ptrD+8, _mm256_castps256_ps128(tL));
 916     _mm_store_ss(ptrE+8, _mm256_extractf128_ps(tI, 0x1));
 917     _mm_store_ss(ptrF+8, _mm256_extractf128_ps(tJ, 0x1));
 918     _mm_store_ss(ptrG+8, _mm256_extractf128_ps(tK, 0x1));
 919     _mm_store_ss(ptrH+8, _mm256_extractf128_ps(tL, 0x1));
 920 }
 921
 922
 923 static gmx_inline void gmx_simdcall
 924 gmx_mm256_decrement_4rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 925                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 926                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 927                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 928                                           __m256 x1, __m256 y1, __m256 z1,
 929                                           __m256 x2, __m256 y2, __m256 z2,
 930                                           __m256 x3, __m256 y3, __m256 z3,
 931                                           __m256 x4, __m256 y4, __m256 z4)
 932 {
 933     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 934     __m256 tA, tB, tC, tD, tE, tF, tG, tH;
 935     __m256 tI, tJ, tK, tL;
 936
 937     tA          = _mm256_loadu_ps(ptrA);
 938     tB          = _mm256_loadu_ps(ptrB);
 939     tC          = _mm256_loadu_ps(ptrC);
 940     tD          = _mm256_loadu_ps(ptrD);
 941     tE          = _mm256_loadu_ps(ptrE);
 942     tF          = _mm256_loadu_ps(ptrF);
 943     tG          = _mm256_loadu_ps(ptrG);
 944     tH          = _mm256_loadu_ps(ptrH);
 945
 946     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
 947     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
 948     t3          = _mm256_unpacklo_ps(z1, x2);                         /* x2f z1f x2e z1e | x2b z1b x2a z1a */
 949     t4          = _mm256_unpackhi_ps(z1, x2);                         /* x2h z1h x2g z1g | x2d z1d x2c z1c */
 950
 951     t5          = _mm256_unpacklo_ps(y2, z2);                         /* z2f y2f z2e y2e | z2b y2b z2a y2a */
 952     t6          = _mm256_unpackhi_ps(y2, z2);                         /* z2h y2h z2g y2g | z2d y2d z2c y2c */
 953     t7          = _mm256_unpacklo_ps(x3, y3);                         /* y3f x3f y3e x3e | y3b x3b y3a x3a */
 954     t8          = _mm256_unpackhi_ps(x3, y3);                         /* y3h x3h y3g x3g | y3d x3d y3c x3c */
 955
 956     t9          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* x2e z1e y1e x1e | x2a z1a y1a x1a */
 957     t10         = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* x2f z1f y1f x1f | x2b z1b y1b x1b */
 958     t11         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* x2g z1g y1g x1g | x2c z1c y1c x1c */
 959     t12         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* x2h z1h y1h x1h | x2d z1d y1d x1d */
 960
 961     t1          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0)); /* y3e x3e z2e y2e | y3a x3a z2a y2a */
 962     t2          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2)); /* y3f x3f z2f y2f | y3b x3b z2b y2b */
 963     t3          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0)); /* y3g x3g z2g y2g | y3c x3c z2c y2c */
 964     t4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2)); /* y3h x3h z2h y2h | y3d x3d z2d y2d */
 965
 966     t5          = gmx_mm256_unpack128lo_ps(t9, t1);                   /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 967     t6          = gmx_mm256_unpack128hi_ps(t9, t1);                   /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 968     t7          = gmx_mm256_unpack128lo_ps(t10, t2);                  /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 969     t8          = gmx_mm256_unpack128hi_ps(t10, t2);                  /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 970     t1          = gmx_mm256_unpack128lo_ps(t11, t3);                  /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 971     t2          = gmx_mm256_unpack128hi_ps(t11, t3);                  /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 972     t9          = gmx_mm256_unpack128lo_ps(t12, t4);                  /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 973     t10         = gmx_mm256_unpack128hi_ps(t12, t4);                  /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 974
 975     tA          = _mm256_sub_ps(tA, t5);
 976     tB          = _mm256_sub_ps(tB, t7);
 977     tC          = _mm256_sub_ps(tC, t1);
 978     tD          = _mm256_sub_ps(tD, t9);
 979     tE          = _mm256_sub_ps(tE, t6);
 980     tF          = _mm256_sub_ps(tF, t8);
 981     tG          = _mm256_sub_ps(tG, t2);
 982     tH          = _mm256_sub_ps(tH, t10);
 983
 984     _mm256_storeu_ps(ptrA, tA);
 985     _mm256_storeu_ps(ptrB, tB);
 986     _mm256_storeu_ps(ptrC, tC);
 987     _mm256_storeu_ps(ptrD, tD);
 988     _mm256_storeu_ps(ptrE, tE);
 989     _mm256_storeu_ps(ptrF, tF);
 990     _mm256_storeu_ps(ptrG, tG);
 991     _mm256_storeu_ps(ptrH, tH);
 992
 993     tI          = gmx_mm256_set_m128(_mm_loadu_ps(ptrE+8), _mm_loadu_ps(ptrA+8));
 994     tJ          = gmx_mm256_set_m128(_mm_loadu_ps(ptrF+8), _mm_loadu_ps(ptrB+8));
 995     tK          = gmx_mm256_set_m128(_mm_loadu_ps(ptrG+8), _mm_loadu_ps(ptrC+8));
 996     tL          = gmx_mm256_set_m128(_mm_loadu_ps(ptrH+8), _mm_loadu_ps(ptrD+8));
 997
 998     t1          = _mm256_unpacklo_ps(z3, x4);                         /* x4f z3f x4e z3e | x4b z3b x4a z3a */
 999     t2          = _mm256_unpackhi_ps(z3, x4);                         /* x4h z3h x4g z3g | x4d z3d x4c z3c */
1000     t3          = _mm256_unpacklo_ps(y4, z4);                         /* z4f y4f z4e y4e | z4b y4b z4a y4a */
1001     t4          = _mm256_unpackhi_ps(y4, z4);                         /* z4h y4h z4g y4g | z4d y4d z4c y4c */
1002
1003     t5          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* z4e y4e x4e z3e | z4a y4a x4a z3a */
1004     t6          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* z4f y4f x4f z3f | z4b y4b x4b z3b */
1005     t7          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* z4g y4g x4g z3g | z4c y4c x4c z3c */
1006     t8          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* z4h y4h x4h z3h | z4d y4d x4d z3d */
1007
1008     tI          = _mm256_sub_ps(tI, t5);
1009     tJ          = _mm256_sub_ps(tJ, t6);
1010     tK          = _mm256_sub_ps(tK, t7);
1011     tL          = _mm256_sub_ps(tL, t8);
1012
1013     _mm_storeu_ps(ptrA+8, _mm256_castps256_ps128(tI));
1014     _mm_storeu_ps(ptrB+8, _mm256_castps256_ps128(tJ));
1015     _mm_storeu_ps(ptrC+8, _mm256_castps256_ps128(tK));
1016     _mm_storeu_ps(ptrD+8, _mm256_castps256_ps128(tL));
1017     _mm_storeu_ps(ptrE+8, _mm256_extractf128_ps(tI, 0x1));
1018     _mm_storeu_ps(ptrF+8, _mm256_extractf128_ps(tJ, 0x1));
1019     _mm_storeu_ps(ptrG+8, _mm256_extractf128_ps(tK, 0x1));
1020     _mm_storeu_ps(ptrH+8, _mm256_extractf128_ps(tL, 0x1));
1021 }
1022
1023
1024 static gmx_inline void gmx_simdcall
1025 gmx_mm256_update_iforce_1atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1026                                          float * gmx_restrict fptr,
1027                                          float * gmx_restrict fshiftptr)
1028 {
1029     __m128 t1, t2, t3;
1030
1031     fix1 = _mm256_hadd_ps(fix1, fix1);
1032     fiy1 = _mm256_hadd_ps(fiy1, fiz1);
1033     fix1 = _mm256_hadd_ps(fix1, fiy1); /* fiz1 fiy1 fix1 fix1 (in both lanes) */
1034
1035     /* Add across the two lanes */
1036     t1   = _mm_add_ps(_mm256_castps256_ps128(fix1), _mm256_extractf128_ps(fix1, 0x1));
1037
1038     t2 = _mm_load_ss(fptr);
1039     t2 = _mm_loadh_pi(t2, (__m64 *)(fptr+1));
1040     t3 = _mm_load_ss(fshiftptr);
1041     t3 = _mm_loadh_pi(t3, (__m64 *)(fshiftptr+1));
1042
1043     t2 = _mm_add_ps(t2, t1);
1044     t3 = _mm_add_ps(t3, t1);
1045
1046     _mm_store_ss(fptr, t2);
1047     _mm_storeh_pi((__m64 *)(fptr+1), t2);
1048     _mm_store_ss(fshiftptr, t3);
1049     _mm_storeh_pi((__m64 *)(fshiftptr+1), t3);
1050 }
1051
1052
1053 static gmx_inline void gmx_simdcall
1054 gmx_mm256_update_iforce_3atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1055                                          __m256 fix2, __m256 fiy2, __m256 fiz2,
1056                                          __m256 fix3, __m256 fiy3, __m256 fiz3,
1057                                          float * gmx_restrict fptr,
1058                                          float * gmx_restrict fshiftptr)
1059 {
1060     __m256 t1, t2, t3;
1061     __m128 tA, tB, tC;
1062
1063     fix1 = _mm256_hadd_ps(fix1, fiy1);                /*  Y1g+Y1h Y1e+Y1f X1g+X1h X1e+X1f | Y1c+Y1d Y1a+Y1b X1c+X1d X1a+X1b */
1064     fiz1 = _mm256_hadd_ps(fiz1, fix2);                /*  X2g+X2h X2e+X2f Z1g+Z1h Z1e+Z1f | X2c+X2d X2a+X2b Z1c+Z1d Z1a+Z1b */
1065     fiy2 = _mm256_hadd_ps(fiy2, fiz2);                /*  Z2g+Z2h Z2e+Z2f Y2g+Y2h Y2e+Y2f | Z2c+Z2d Z2a+Z2b Y2c+Y2d Y2a+Y2b */
1066     fix3 = _mm256_hadd_ps(fix3, fiy3);                /*  Y3g+Y3h Y3e+Y3f X3g+X3h X3e+X3f | Y3c+Y3d Y3a+Y3b X3c+X3d X3a+X3b */
1067     fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); /*  0       0       Z3g+Z3h Z3e+Z3f | 0       0       Z3c+Z3d Z3a+Z3b */
1068
1069     fix1 = _mm256_hadd_ps(fix1, fiz1);                /*  X2e-h   Z1e-h   Y1e-h   X1e-h   | X2a-d   Z1a-d   Y1a-d   X1a-d   */
1070     fiy2 = _mm256_hadd_ps(fiy2, fix3);                /*  Y3e-h   X3e-h   Z2e-h   Y2e-h   | Y3a-d   X3a-d   Z2a-d   Y2a-d   */
1071     fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); /*  0       0       0       Z3e-h   | 0       0       0       Z3a-d   */
1072
1073     /* Add across the two lanes by swapping and adding back */
1074     t1   = gmx_mm256_unpack128lo_ps(fix1, fiy2);                                       /*  Y3a-d   X3a-d   Z2a-d   Y2a-d | X2a-d   Z1a-d   Y1a-d   X1a-d */
1075     t2   = gmx_mm256_unpack128hi_ps(fix1, fiy2);                                       /*  Y3e-h   X3e-h   Z2e-h   Y2e-h | X2e-h   Z1e-h   Y1e-h   X1e-h */
1076     t1   = _mm256_add_ps(t1, t2);                                                      /* y3 x3 z2 y2 | x2 z1 y1 x1 */
1077
1078     tA   = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); /* 0 0 0 z3 */
1079
1080     t3   = _mm256_loadu_ps(fptr);
1081     t3   = _mm256_add_ps(t3, t1);
1082     _mm256_storeu_ps(fptr, t3);
1083     tB   = _mm_load_ss(fptr+8);
1084     tB   = _mm_add_ss(tB, tA);
1085     _mm_store_ss(fptr+8, tB);
1086
1087     /* Add up shift force */
1088     tB   = _mm256_extractf128_ps(t1, 0x1);                                          /* y3 x3 z2 y2 */
1089     tC   = _mm_shuffle_ps(_mm256_castps256_ps128(t1), tB, _MM_SHUFFLE(1, 0, 3, 3)); /* z2 y2 x2 x2 */
1090     tB   = _mm_shuffle_ps(tB, tA, _MM_SHUFFLE(1, 0, 3, 2));                         /* 0 z3 y3 x3 */
1091     tC   = _mm_permute_ps(tC, _MM_SHUFFLE(3, 3, 2, 0));                             /*  - z2 y2 x2 */
1092
1093     tB   = _mm_add_ps(tB, _mm256_castps256_ps128(t1));
1094     tA   = _mm_add_ps(tB, tC);                      /*  - z y x */
1095
1096     tA   = _mm_blend_ps(_mm_setzero_ps(), tA, 0x7); /* 0 z y x */
1097
1098     tC   = _mm_loadu_ps(fshiftptr);
1099     tC   = _mm_add_ps(tC, tA);
1100     _mm_storeu_ps(fshiftptr, tC);
1101 }
1102
1103
1104 static gmx_inline void gmx_simdcall
1105 gmx_mm256_update_iforce_4atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1106                                          __m256 fix2, __m256 fiy2, __m256 fiz2,
1107                                          __m256 fix3, __m256 fiy3, __m256 fiz3,
1108                                          __m256 fix4, __m256 fiy4, __m256 fiz4,
1109                                          float * gmx_restrict fptr,
1110                                          float * gmx_restrict fshiftptr)
1111 {
1112     __m256 t1, t2, t3;
1113     __m128 tA, tB, tC;
1114
1115     fix1 = _mm256_hadd_ps(fix1, fiy1);                /*  Y1g+Y1h Y1e+Y1f X1g+X1h X1e+X1f | Y1c+Y1d Y1a+Y1b X1c+X1d X1a+X1b */
1116     fiz1 = _mm256_hadd_ps(fiz1, fix2);                /*  X2g+X2h X2e+X2f Z1g+Z1h Z1e+Z1f | X2c+X2d X2a+X2b Z1c+Z1d Z1a+Z1b */
1117     fiy2 = _mm256_hadd_ps(fiy2, fiz2);                /*  Z2g+Z2h Z2e+Z2f Y2g+Y2h Y2e+Y2f | Z2c+Z2d Z2a+Z2b Y2c+Y2d Y2a+Y2b */
1118     fix3 = _mm256_hadd_ps(fix3, fiy3);                /*  Y3g+Y3h Y3e+Y3f X3g+X3h X3e+X3f | Y3c+Y3d Y3a+Y3b X3c+X3d X3a+X3b */
1119     fiz3 = _mm256_hadd_ps(fiz3, fix4);                /*  X4g+X4h X4e+X4f Z3g+Z3h Z3e+Z3f | X4c+X4d X4a+X4b Z3c+Z3d Z3a+Z3b */
1120     fiy4 = _mm256_hadd_ps(fiy4, fiz4);                /*  Z4g+Z4h Z4e+Z4f Y4g+Y4h Y4e+Y4f | Z4c+Z4d Z4a+Z4b Y4c+Y4d Y4a+Y4b */
1121
1122     fix1 = _mm256_hadd_ps(fix1, fiz1);                /*  X2e-h   Z1e-h   Y1e-h   X1e-h   | X2a-d   Z1a-d   Y1a-d   X1a-d   */
1123     fiy2 = _mm256_hadd_ps(fiy2, fix3);                /*  Y3e-h   X3e-h   Z2e-h   Y2e-h   | Y3a-d   X3a-d   Z2a-d   Y2a-d   */
1124     fiz3 = _mm256_hadd_ps(fiz3, fiy4);                /*  Z4e-h   Y4e-h   X4e-h   Z3e-h   | Z4a-d   Y4a-d   X4a-d   Z3a-d   */
1125
1126     /* Add across the two lanes by swapping and adding back */
1127     t1   = gmx_mm256_unpack128lo_ps(fix1, fiy2);                                       /*  Y3a-d   X3a-d   Z2a-d   Y2a-d | X2a-d   Z1a-d   Y1a-d   X1a-d */
1128     t2   = gmx_mm256_unpack128hi_ps(fix1, fiy2);                                       /*  Y3e-h   X3e-h   Z2e-h   Y2e-h | X2e-h   Z1e-h   Y1e-h   X1e-h */
1129     t1   = _mm256_add_ps(t1, t2);                                                      /* y3 x3 z2 y2 | x2 z1 y1 x1 */
1130
1131     tA   = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); /* z4 y4 x4 z3 */
1132
1133     t3   = _mm256_loadu_ps(fptr);
1134     t3   = _mm256_add_ps(t3, t1);
1135     _mm256_storeu_ps(fptr, t3);
1136
1137     tB   = _mm_loadu_ps(fptr+8);
1138     tB   = _mm_add_ps(tB, tA);
1139     _mm_storeu_ps(fptr+8, tB);
1140
1141     /* Add up shift force */
1142     tB   = _mm256_extractf128_ps(t1, 0x1);                                          /* y3 x3 z2 y2 */
1143     tC   = _mm_shuffle_ps(_mm256_castps256_ps128(t1), tB, _MM_SHUFFLE(1, 0, 3, 3)); /* z2 y2 x2 x2 */
1144     tB   = _mm_shuffle_ps(tB, tA, _MM_SHUFFLE(1, 0, 3, 2));                         /* 0 z3 y3 x3 */
1145     tC   = _mm_permute_ps(tC, _MM_SHUFFLE(3, 3, 2, 0));                             /*  - z2 y2 x2 */
1146     tA   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 3, 2, 1));                             /* - z4 y4 x4 */
1147
1148     tB   = _mm_add_ps(tB, _mm256_castps256_ps128(t1));
1149     tA   = _mm_add_ps(tA, tC);
1150     tA   = _mm_add_ps(tA, tB);
1151
1152     tA   = _mm_blend_ps(_mm_setzero_ps(), tA, 0x7); /* 0 z y x */
1153
1154     tC   = _mm_loadu_ps(fshiftptr);
1155     tC   = _mm_add_ps(tC, tA);
1156     _mm_storeu_ps(fshiftptr, tC);
1157 }
1158
1159
1160 static gmx_inline void gmx_simdcall
1161 gmx_mm256_update_1pot_ps(__m256 pot1, float * gmx_restrict ptrA)
1162 {
1163     __m128 t1;
1164
1165     pot1 = _mm256_hadd_ps(pot1, pot1);
1166     pot1 = _mm256_hadd_ps(pot1, pot1);
1167
1168     t1   = _mm_add_ps(_mm256_castps256_ps128(pot1), _mm256_extractf128_ps(pot1, 0x1));
1169
1170     _mm_store_ss(ptrA, _mm_add_ss(_mm_load_ss(ptrA), t1));
1171 }
1172
1173 static gmx_inline void gmx_simdcall
1174 gmx_mm256_update_2pot_ps(__m256 pot1, float * gmx_restrict ptrA,
1175                          __m256 pot2, float * gmx_restrict ptrB)
1176 {
1177     __m128 t1, t2;
1178
1179     pot1 = _mm256_hadd_ps(pot1, pot2);
1180     pot1 = _mm256_hadd_ps(pot1, pot1);
1181
1182     t1   = _mm_add_ps(_mm256_castps256_ps128(pot1), _mm256_extractf128_ps(pot1, 0x1));
1183
1184     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
1185     _mm_store_ss(ptrA, _mm_add_ss(_mm_load_ss(ptrA), t1));
1186     _mm_store_ss(ptrB, _mm_add_ss(_mm_load_ss(ptrB), t2));
1187 }
1188
1189
1190 #endif /* _kernelutil_x86_avx_256_single_h_ */