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
  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
  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
  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
  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
  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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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
 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 #if defined (_MSC_VER) && defined(_M_IX86)
 651 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
 652 #define gmx_mm256_decrement_3rvec_4ptr_swizzle_ps(ptrA, ptrB, ptrC, ptrD, \
 653                                                   x1, y1, z1, x2, y2, z2, x3, y3, z3) \
 654     { \
 655         __m256 _t1, _t2, _t3, _t4, _t5, _t6; \
 656         __m128 _tA, _tB, _tC, _tD; \
 657 \
 658         _t1         = _mm256_loadu_ps(ptrA); \
 659         _t2         = _mm256_loadu_ps(ptrB); \
 660         _t3         = _mm256_loadu_ps(ptrC); \
 661         _t4         = _mm256_loadu_ps(ptrD); \
 662         _tA         = _mm_load_ss(ptrA+8); \
 663         _tB         = _mm_load_ss(ptrB+8); \
 664         _tC         = _mm_load_ss(ptrC+8); \
 665         _tD         = _mm_load_ss(ptrD+8); \
 666         _t5         = _mm256_unpacklo_ps(x1, y1); \
 667         x1          = _mm256_unpackhi_ps(x1, y1); \
 668         y1          = _mm256_unpacklo_ps(z1, x2); \
 669         z1          = _mm256_unpackhi_ps(z1, x2); \
 670         x2          = _mm256_unpacklo_ps(y2, z2); \
 671         y2          = _mm256_unpackhi_ps(y2, z2); \
 672         _t6         = _mm256_unpacklo_ps(x3, y3); \
 673         x3          = _mm256_unpackhi_ps(x3, y3); \
 674         _t5         = _mm256_insertf128_ps(_t5, _mm256_castps256_ps128(x2), 0x1); \
 675         x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1); \
 676         y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(_t6), 0x1); \
 677         z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1); \
 678         z2          = _mm256_shuffle_ps(_t5, y1, _MM_SHUFFLE(1, 0, 1, 0)); \
 679         _t5         = _mm256_shuffle_ps(_t5, y1, _MM_SHUFFLE(3, 2, 3, 2)); \
 680         y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0)); \
 681         x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2)); \
 682         _t1         = _mm256_sub_ps(_t1, z2); \
 683         _t2         = _mm256_sub_ps(_t2, _t5); \
 684         _t3         = _mm256_sub_ps(_t3, y1); \
 685         _t4         = _mm256_sub_ps(_t4, x1); \
 686         _tA         = _mm_sub_ss(_tA, _mm256_castps256_ps128(z3)); \
 687         _tB         = _mm_sub_ss(_tB, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(1, 1, 1, 1))); \
 688         _tC         = _mm_sub_ss(_tC, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(2, 2, 2, 2))); \
 689         _tD         = _mm_sub_ss(_tD, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(3, 3, 3, 3))); \
 690         _mm256_storeu_ps(ptrA, _t1); \
 691         _mm256_storeu_ps(ptrB, _t2); \
 692         _mm256_storeu_ps(ptrC, _t3); \
 693         _mm256_storeu_ps(ptrD, _t4); \
 694         _mm_store_ss(ptrA+8, _tA); \
 695         _mm_store_ss(ptrB+8, _tB); \
 696         _mm_store_ss(ptrC+8, _tC); \
 697         _mm_store_ss(ptrD+8, _tD); \
 698     }
 699 #else
 700 /* Real function for sane compilers */
 701 static gmx_inline void
 702 gmx_mm256_decrement_3rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 703                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 704                                           __m256 x1, __m256 y1, __m256 z1,
 705                                           __m256 x2, __m256 y2, __m256 z2,
 706                                           __m256 x3, __m256 y3, __m256 z3)
 707 {
 708     __m256 t1, t2, t3, t4, t5, t6;
 709     __m128 tA, tB, tC, tD;
 710
 711     t1          = _mm256_loadu_ps(ptrA);
 712     t2          = _mm256_loadu_ps(ptrB);
 713     t3          = _mm256_loadu_ps(ptrC);
 714     t4          = _mm256_loadu_ps(ptrD);
 715     tA          = _mm_load_ss(ptrA+8);
 716     tB          = _mm_load_ss(ptrB+8);
 717     tC          = _mm_load_ss(ptrC+8);
 718     tD          = _mm_load_ss(ptrD+8);
 719
 720     t5          = _mm256_unpacklo_ps(x1, y1);                                /* - - - - | y1b x1b y1a x1a */
 721     x1          = _mm256_unpackhi_ps(x1, y1);                                /* - - - - | y1d x1d y1c x1c */
 722     y1          = _mm256_unpacklo_ps(z1, x2);                                /* - - - - | x2b z1b x2a z1a */
 723     z1          = _mm256_unpackhi_ps(z1, x2);                                /* - - - - | x2d z1d x2c z1c */
 724
 725     x2          = _mm256_unpacklo_ps(y2, z2);                                /* - - - - | z2b y2b z2a y2a */
 726     y2          = _mm256_unpackhi_ps(y2, z2);                                /* - - - - | z2d y2d z2c y2c */
 727     t6          = _mm256_unpacklo_ps(x3, y3);                                /* - - - - | y3b x3b y3a x3a */
 728     x3          = _mm256_unpackhi_ps(x3, y3);                                /* - - - - | y3d x3d y3c x3c */
 729
 730     t5          = _mm256_insertf128_ps(t5, _mm256_castps256_ps128(x2), 0x1); /* z2b y2b z2a y2a | y1b x1b y1a x1a */
 731     x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1); /* z2d y2d z2c y2c | y1d x1d y1c x1c */
 732
 733     y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(t6), 0x1); /* y3b x3b y3a x3a | x2b z1b x2a z1a */
 734     z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1); /* y3d x3d y3c x3c | x2d z1d x2c z1c */
 735
 736     z2          = _mm256_shuffle_ps(t5, y1, _MM_SHUFFLE(1, 0, 1, 0));        /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 737     t5          = _mm256_shuffle_ps(t5, y1, _MM_SHUFFLE(3, 2, 3, 2));        /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 738     y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0));        /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 739     x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2));        /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 740
 741     t1          = _mm256_sub_ps(t1, z2);
 742     t2          = _mm256_sub_ps(t2, t5);
 743     t3          = _mm256_sub_ps(t3, y1);
 744     t4          = _mm256_sub_ps(t4, x1);
 745
 746     tA          = _mm_sub_ss(tA, _mm256_castps256_ps128(z3));
 747     tB          = _mm_sub_ss(tB, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(1, 1, 1, 1)));
 748     tC          = _mm_sub_ss(tC, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(2, 2, 2, 2)));
 749     tD          = _mm_sub_ss(tD, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(3, 3, 3, 3)));
 750
 751     /* Here we store a full 256-bit value and a separate 32-bit one; no overlap can happen */
 752     _mm256_storeu_ps(ptrA, t1);
 753     _mm256_storeu_ps(ptrB, t2);
 754     _mm256_storeu_ps(ptrC, t3);
 755     _mm256_storeu_ps(ptrD, t4);
 756     _mm_store_ss(ptrA+8, tA);
 757     _mm_store_ss(ptrB+8, tB);
 758     _mm_store_ss(ptrC+8, tC);
 759     _mm_store_ss(ptrD+8, tD);
 760 }
 761 #endif
 762
 763
 764
 765 #if defined (_MSC_VER) && defined(_M_IX86)
 766 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
 767 #define gmx_mm256_decrement_4rvec_4ptr_swizzle_ps(ptrA, ptrB, ptrC, ptrD, \
 768                                                   x1, y1, z1, x2, y2, z2, x3, y3, z3, x4, y4, z4) \
 769     { \
 770         __m256 _t1, _t2, _t3, _t4, _t5; \
 771         __m128 _tA, _tB, _tC, _tD, _tE, _tF, _tG, _tH; \
 772 \
 773         _t1         = _mm256_loadu_ps(ptrA); \
 774         _t2         = _mm256_loadu_ps(ptrB); \
 775         _t3         = _mm256_loadu_ps(ptrC); \
 776         _t4         = _mm256_loadu_ps(ptrD); \
 777         _tA         = _mm_loadu_ps(ptrA+8); \
 778         _tB         = _mm_loadu_ps(ptrB+8); \
 779         _tC         = _mm_loadu_ps(ptrC+8); \
 780         _tD         = _mm_loadu_ps(ptrD+8); \
 781         _t5         = _mm256_unpacklo_ps(x1, y1); \
 782         x1          = _mm256_unpackhi_ps(x1, y1); \
 783         y1          = _mm256_unpacklo_ps(z1, x2); \
 784         z1          = _mm256_unpackhi_ps(z1, x2); \
 785         x2          = _mm256_unpacklo_ps(y2, z2); \
 786         y2          = _mm256_unpackhi_ps(y2, z2); \
 787         z2          = _mm256_unpacklo_ps(x3, y3); \
 788         x3          = _mm256_unpackhi_ps(x3, y3); \
 789         y3          = _mm256_unpacklo_ps(z3, x4); \
 790         z3          = _mm256_unpackhi_ps(z3, x4); \
 791         x4          = _mm256_unpacklo_ps(y4, z4); \
 792         y4          = _mm256_unpackhi_ps(y4, z4); \
 793         x2          = _mm256_insertf128_ps(_t5, _mm256_castps256_ps128(x2), 0x1); \
 794         x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1); \
 795         y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(z2), 0x1); \
 796         z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1); \
 797         z2          = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(1, 0, 1, 0)); \
 798         _t5         = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(3, 2, 3, 2)); \
 799         y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0)); \
 800         x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2)); \
 801         _tE         = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(1, 0, 1, 0)); \
 802         _tF         = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(3, 2, 3, 2)); \
 803         _tG         = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(1, 0, 1, 0)); \
 804         _tH         = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(3, 2, 3, 2)); \
 805         _t1         = _mm256_sub_ps(_t1, z2); \
 806         _t2         = _mm256_sub_ps(_t2, _t5); \
 807         _t3         = _mm256_sub_ps(_t3, y1); \
 808         _t4         = _mm256_sub_ps(_t4, x1); \
 809         _tA         = _mm_sub_ps(_tA, _tE); \
 810         _tB         = _mm_sub_ps(_tB, _tF); \
 811         _tC         = _mm_sub_ps(_tC, _tG); \
 812         _tD         = _mm_sub_ps(_tD, _tH); \
 813         _mm256_storeu_ps(ptrA, _t1); \
 814         _mm256_storeu_ps(ptrB, _t2); \
 815         _mm256_storeu_ps(ptrC, _t3); \
 816         _mm256_storeu_ps(ptrD, _t4); \
 817         _mm_storeu_ps(ptrA+8, _tA); \
 818         _mm_storeu_ps(ptrB+8, _tB); \
 819         _mm_storeu_ps(ptrC+8, _tC); \
 820         _mm_storeu_ps(ptrD+8, _tD); \
 821     }
 822 #else
 823 /* Real function for sane compilers */
 824 static gmx_inline void
 825 gmx_mm256_decrement_4rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 826                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 827                                           __m256 x1, __m256 y1, __m256 z1,
 828                                           __m256 x2, __m256 y2, __m256 z2,
 829                                           __m256 x3, __m256 y3, __m256 z3,
 830                                           __m256 x4, __m256 y4, __m256 z4)
 831 {
 832     __m256 t1, t2, t3, t4, t5;
 833     __m128 tA, tB, tC, tD, tE, tF, tG, tH;
 834
 835     t1          = _mm256_loadu_ps(ptrA);
 836     t2          = _mm256_loadu_ps(ptrB);
 837     t3          = _mm256_loadu_ps(ptrC);
 838     t4          = _mm256_loadu_ps(ptrD);
 839     tA          = _mm_loadu_ps(ptrA+8);
 840     tB          = _mm_loadu_ps(ptrB+8);
 841     tC          = _mm_loadu_ps(ptrC+8);
 842     tD          = _mm_loadu_ps(ptrD+8);
 843
 844     t5          = _mm256_unpacklo_ps(x1, y1);                                                                      /* - - - - | y1b x1b y1a x1a */
 845     x1          = _mm256_unpackhi_ps(x1, y1);                                                                      /* - - - - | y1d x1d y1c x1c */
 846     y1          = _mm256_unpacklo_ps(z1, x2);                                                                      /* - - - - | x2b z1b x2a z1a */
 847     z1          = _mm256_unpackhi_ps(z1, x2);                                                                      /* - - - - | x2d z1d x2c z1c */
 848
 849     x2          = _mm256_unpacklo_ps(y2, z2);                                                                      /* - - - - | z2b y2b z2a y2a */
 850     y2          = _mm256_unpackhi_ps(y2, z2);                                                                      /* - - - - | z2d y2d z2c y2c */
 851     z2          = _mm256_unpacklo_ps(x3, y3);                                                                      /* - - - - | y3b x3b y3a x3a */
 852     x3          = _mm256_unpackhi_ps(x3, y3);                                                                      /* - - - - | y3d x3d y3c x3c */
 853
 854     y3          = _mm256_unpacklo_ps(z3, x4);                                                                      /* - - - - | x4b z3b x4a z3a */
 855     z3          = _mm256_unpackhi_ps(z3, x4);                                                                      /* - - - - | x4d z3d x4c z3c */
 856     x4          = _mm256_unpacklo_ps(y4, z4);                                                                      /* - - - - | z4b y4b z4a y4a */
 857     y4          = _mm256_unpackhi_ps(y4, z4);                                                                      /* - - - - | z4d y4d z4c y4c */
 858
 859     x2          = _mm256_insertf128_ps(t5, _mm256_castps256_ps128(x2), 0x1);                                       /* z2b y2b z2a y2a | y1b x1b y1a x1a */
 860     x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1);                                       /* z2d y2d z2c y2c | y1d x1d y1c x1c */
 861     y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(z2), 0x1);                                       /* y3b x3b y3a x3a | x2b z1b x2a z1a */
 862     z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1);                                       /* y3d x3d y3c x3c | x2d z1d x2c z1c */
 863
 864     z2          = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(1, 0, 1, 0));                                              /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 865     t5          = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(3, 2, 3, 2));                                              /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 866     y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0));                                              /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 867     x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2));                                              /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 868
 869     tE          = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(1, 0, 1, 0)); /* z4a y4a x4a z3a */
 870     tF          = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(3, 2, 3, 2)); /* z4b y4b x4b z3b */
 871
 872     tG          = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(1, 0, 1, 0)); /* z4c y4c x4c z3c */
 873     tH          = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(3, 2, 3, 2)); /* z4d y4d x4d z3d */
 874
 875     t1          = _mm256_sub_ps(t1, z2);
 876     t2          = _mm256_sub_ps(t2, t5);
 877     t3          = _mm256_sub_ps(t3, y1);
 878     t4          = _mm256_sub_ps(t4, x1);
 879
 880     tA          = _mm_sub_ps(tA, tE);
 881     tB          = _mm_sub_ps(tB, tF);
 882     tC          = _mm_sub_ps(tC, tG);
 883     tD          = _mm_sub_ps(tD, tH);
 884
 885     /* Here we store a full 256-bit value and a separate 128-bit one; no overlap can happen */
 886     _mm256_storeu_ps(ptrA, t1);
 887     _mm256_storeu_ps(ptrB, t2);
 888     _mm256_storeu_ps(ptrC, t3);
 889     _mm256_storeu_ps(ptrD, t4);
 890     _mm_storeu_ps(ptrA+8, tA);
 891     _mm_storeu_ps(ptrB+8, tB);
 892     _mm_storeu_ps(ptrC+8, tC);
 893     _mm_storeu_ps(ptrD+8, tD);
 894 }
 895 #endif
 896
 897
 898 static gmx_inline void
 899 gmx_mm256_decrement_1rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 900                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 901                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 902                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 903                                           __m256 x1, __m256 y1, __m256 z1)
 904 {
 905     __m256  t1, t2, t3, t4, t5, t6;
 906     __m256  tA, tB, tC, tD;
 907     __m128i mask;
 908
 909     /* Construct a mask without executing any data loads */
 910     mask        = _mm_blend_epi16(_mm_setzero_si128(), _mm_cmpeq_epi16(_mm_setzero_si128(), _mm_setzero_si128()), 0x3F);
 911
 912     tA          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrE, mask), gmx_mm_maskload_ps(ptrA, mask));
 913     tB          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrF, mask), gmx_mm_maskload_ps(ptrB, mask));
 914     tC          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrG, mask), gmx_mm_maskload_ps(ptrC, mask));
 915     tD          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrH, mask), gmx_mm_maskload_ps(ptrD, mask));
 916     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
 917     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
 918
 919     t3          = _mm256_shuffle_ps(t1, z1, _MM_SHUFFLE(0, 0, 1, 0)); /*  -  z1e y1e x1e |  - z1a y1a x1a */
 920     t4          = _mm256_shuffle_ps(t1, z1, _MM_SHUFFLE(0, 1, 3, 2)); /*  -  z1f y1f x1f |  - z1b y1b x1b */
 921     t5          = _mm256_shuffle_ps(t2, z1, _MM_SHUFFLE(0, 2, 1, 0)); /*  -  z1g y1g x1g |  - z1c y1c x1c */
 922     t6          = _mm256_shuffle_ps(t2, z1, _MM_SHUFFLE(0, 3, 3, 2)); /*  -  z1h y1h x1h |  - z1d y1d x1d */
 923
 924     tA          = _mm256_sub_ps(tA, t3);
 925     tB          = _mm256_sub_ps(tB, t4);
 926     tC          = _mm256_sub_ps(tC, t5);
 927     tD          = _mm256_sub_ps(tD, t6);
 928
 929     gmx_mm_maskstore_ps(ptrA, mask, _mm256_castps256_ps128(tA));
 930     gmx_mm_maskstore_ps(ptrB, mask, _mm256_castps256_ps128(tB));
 931     gmx_mm_maskstore_ps(ptrC, mask, _mm256_castps256_ps128(tC));
 932     gmx_mm_maskstore_ps(ptrD, mask, _mm256_castps256_ps128(tD));
 933     gmx_mm_maskstore_ps(ptrE, mask, _mm256_extractf128_ps(tA, 0x1));
 934     gmx_mm_maskstore_ps(ptrF, mask, _mm256_extractf128_ps(tB, 0x1));
 935     gmx_mm_maskstore_ps(ptrG, mask, _mm256_extractf128_ps(tC, 0x1));
 936     gmx_mm_maskstore_ps(ptrH, mask, _mm256_extractf128_ps(tD, 0x1));
 937 }
 938
 939
 940
 941 #if defined (_MSC_VER) && defined(_M_IX86)
 942 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
 943 #define gmx_mm256_decrement_3rvec_8ptr_swizzle_ps(ptrA, ptrB, ptrC, ptrD, ptrE, ptrF, ptrG, ptrH, _x1, _y1, _z1, _x2, _y2, _z2, _x3, _y3, _z3) \
 944     { \
 945         __m256 _t1, _t2, _t3, _t4, _t5, _t6, _t7, _t8, _t9, _t10, _t11, _t12; \
 946         __m256 _tA, _tB, _tC, _tD, _tE, _tF, _tG, _tH, _tI, _tJ, _tK, _tL; \
 947 \
 948         _tA         = _mm256_loadu_ps(ptrA); \
 949         _tB         = _mm256_loadu_ps(ptrB); \
 950         _tC         = _mm256_loadu_ps(ptrC); \
 951         _tD         = _mm256_loadu_ps(ptrD); \
 952         _tE         = _mm256_loadu_ps(ptrE); \
 953         _tF         = _mm256_loadu_ps(ptrF); \
 954         _tG         = _mm256_loadu_ps(ptrG); \
 955         _tH         = _mm256_loadu_ps(ptrH); \
 956         _t1         = _mm256_unpacklo_ps(_x1, _y1); \
 957         _t2         = _mm256_unpackhi_ps(_x1, _y1); \
 958         _t3         = _mm256_unpacklo_ps(_z1, _x2); \
 959         _t4         = _mm256_unpackhi_ps(_z1, _x2); \
 960         _t5         = _mm256_unpacklo_ps(_y2, _z2); \
 961         _t6         = _mm256_unpackhi_ps(_y2, _z2); \
 962         _t7         = _mm256_unpacklo_ps(_x3, _y3); \
 963         _t8         = _mm256_unpackhi_ps(_x3, _y3); \
 964         _t9         = _mm256_shuffle_ps(_t1, _t3, _MM_SHUFFLE(1, 0, 1, 0)); \
 965         _t10        = _mm256_shuffle_ps(_t1, _t3, _MM_SHUFFLE(3, 2, 3, 2)); \
 966         _t11        = _mm256_shuffle_ps(_t2, _t4, _MM_SHUFFLE(1, 0, 1, 0)); \
 967         _t12        = _mm256_shuffle_ps(_t2, _t4, _MM_SHUFFLE(3, 2, 3, 2)); \
 968         _t1         = _mm256_shuffle_ps(_t5, _t7, _MM_SHUFFLE(1, 0, 1, 0)); \
 969         _t2         = _mm256_shuffle_ps(_t5, _t7, _MM_SHUFFLE(3, 2, 3, 2)); \
 970         _t3         = _mm256_shuffle_ps(_t6, _t8, _MM_SHUFFLE(1, 0, 1, 0)); \
 971         _t4         = _mm256_shuffle_ps(_t6, _t8, _MM_SHUFFLE(3, 2, 3, 2)); \
 972         _t5         = gmx_mm256_unpack128lo_ps(_t9, _t1); \
 973         _t6         = gmx_mm256_unpack128hi_ps(_t9, _t1); \
 974         _t7         = gmx_mm256_unpack128lo_ps(_t10, _t2); \
 975         _t8         = gmx_mm256_unpack128hi_ps(_t10, _t2); \
 976         _t1         = gmx_mm256_unpack128lo_ps(_t11, _t3); \
 977         _t2         = gmx_mm256_unpack128hi_ps(_t11, _t3); \
 978         _t9         = gmx_mm256_unpack128lo_ps(_t12, _t4); \
 979         _t10        = gmx_mm256_unpack128hi_ps(_t12, _t4); \
 980         _tA         = _mm256_sub_ps(_tA, _t5); \
 981         _tB         = _mm256_sub_ps(_tB, _t7); \
 982         _tC         = _mm256_sub_ps(_tC, _t1); \
 983         _tD         = _mm256_sub_ps(_tD, _t9); \
 984         _tE         = _mm256_sub_ps(_tE, _t6); \
 985         _tF         = _mm256_sub_ps(_tF, _t8); \
 986         _tG         = _mm256_sub_ps(_tG, _t2); \
 987         _tH         = _mm256_sub_ps(_tH, _t10); \
 988         _mm256_storeu_ps(ptrA, _tA); \
 989         _mm256_storeu_ps(ptrB, _tB); \
 990         _mm256_storeu_ps(ptrC, _tC); \
 991         _mm256_storeu_ps(ptrD, _tD); \
 992         _mm256_storeu_ps(ptrE, _tE); \
 993         _mm256_storeu_ps(ptrF, _tF); \
 994         _mm256_storeu_ps(ptrG, _tG); \
 995         _mm256_storeu_ps(ptrH, _tH); \
 996         _tI         = gmx_mm256_set_m128(_mm_load_ss(ptrE+8), _mm_load_ss(ptrA+8)); \
 997         _tJ         = gmx_mm256_set_m128(_mm_load_ss(ptrF+8), _mm_load_ss(ptrB+8)); \
 998         _tK         = gmx_mm256_set_m128(_mm_load_ss(ptrG+8), _mm_load_ss(ptrC+8)); \
 999         _tL         = gmx_mm256_set_m128(_mm_load_ss(ptrH+8), _mm_load_ss(ptrD+8)); \
1000         _tI         = _mm256_unpacklo_ps(_tI, _tK); \
1001         _tJ         = _mm256_unpacklo_ps(_tJ, _tL); \
1002         _tI         = _mm256_unpacklo_ps(_tI, _tJ); \
1003         _tI         = _mm256_sub_ps(_tI, _z3); \
1004         _tJ         = _mm256_permute_ps(_tI, _MM_SHUFFLE(1, 1, 1, 1)); \
1005         _tK         = _mm256_permute_ps(_tI, _MM_SHUFFLE(2, 2, 2, 2)); \
1006         _tL         = _mm256_permute_ps(_tI, _MM_SHUFFLE(3, 3, 3, 3)); \
1007         _mm_store_ss(ptrA+8, _mm256_castps256_ps128(_tI)); \
1008         _mm_store_ss(ptrB+8, _mm256_castps256_ps128(_tJ)); \
1009         _mm_store_ss(ptrC+8, _mm256_castps256_ps128(_tK)); \
1010         _mm_store_ss(ptrD+8, _mm256_castps256_ps128(_tL)); \
1011         _mm_store_ss(ptrE+8, _mm256_extractf128_ps(_tI, 0x1)); \
1012         _mm_store_ss(ptrF+8, _mm256_extractf128_ps(_tJ, 0x1)); \
1013         _mm_store_ss(ptrG+8, _mm256_extractf128_ps(_tK, 0x1)); \
1014         _mm_store_ss(ptrH+8, _mm256_extractf128_ps(_tL, 0x1)); \
1015     }
1016 #else
1017 /* Real function for sane compilers */
1018 static gmx_inline void
1019 gmx_mm256_decrement_3rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
1020                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
1021                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
1022                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
1023                                           __m256 x1, __m256 y1, __m256 z1,
1024                                           __m256 x2, __m256 y2, __m256 z2,
1025                                           __m256 x3, __m256 y3, __m256 z3)
1026 {
1027     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
1028     __m256 tA, tB, tC, tD, tE, tF, tG, tH;
1029     __m256 tI, tJ, tK, tL;
1030
1031     tA          = _mm256_loadu_ps(ptrA);
1032     tB          = _mm256_loadu_ps(ptrB);
1033     tC          = _mm256_loadu_ps(ptrC);
1034     tD          = _mm256_loadu_ps(ptrD);
1035     tE          = _mm256_loadu_ps(ptrE);
1036     tF          = _mm256_loadu_ps(ptrF);
1037     tG          = _mm256_loadu_ps(ptrG);
1038     tH          = _mm256_loadu_ps(ptrH);
1039
1040     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
1041     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
1042     t3          = _mm256_unpacklo_ps(z1, x2);                         /* x2f z1f x2e z1e | x2b z1b x2a z1a */
1043     t4          = _mm256_unpackhi_ps(z1, x2);                         /* x2h z1h x2g z1g | x2d z1d x2c z1c */
1044
1045     t5          = _mm256_unpacklo_ps(y2, z2);                         /* z2f y2f z2e y2e | z2b y2b z2a y2a */
1046     t6          = _mm256_unpackhi_ps(y2, z2);                         /* z2h y2h z2g y2g | z2d y2d z2c y2c */
1047     t7          = _mm256_unpacklo_ps(x3, y3);                         /* y3f x3f y3e x3e | y3b x3b y3a x3a */
1048     t8          = _mm256_unpackhi_ps(x3, y3);                         /* y3h x3h y3g x3g | y3d x3d y3c x3c */
1049
1050     t9          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* x2e z1e y1e x1e | x2a z1a y1a x1a */
1051     t10         = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* x2f z1f y1f x1f | x2b z1b y1b x1b */
1052     t11         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* x2g z1g y1g x1g | x2c z1c y1c x1c */
1053     t12         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* x2h z1h y1h x1h | x2d z1d y1d x1d */
1054
1055     t1          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0)); /* y3e x3e z2e y2e | y3a x3a z2a y2a */
1056     t2          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2)); /* y3f x3f z2f y2f | y3b x3b z2b y2b */
1057     t3          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0)); /* y3g x3g z2g y2g | y3c x3c z2c y2c */
1058     t4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2)); /* y3h x3h z2h y2h | y3d x3d z2d y2d */
1059
1060     t5          = gmx_mm256_unpack128lo_ps(t9, t1);                   /* y3a x3a z2a y2a | x2a z1a y1a x1a */
1061     t6          = gmx_mm256_unpack128hi_ps(t9, t1);                   /* y3e x3e z2e y2e | x2e z1e y1e x1e */
1062     t7          = gmx_mm256_unpack128lo_ps(t10, t2);                  /* y3b x3b z2b y2b | x2b z1b y1b x1b */
1063     t8          = gmx_mm256_unpack128hi_ps(t10, t2);                  /* y3f x3f z2f y2f | x2f z1f y1f x1f */
1064     t1          = gmx_mm256_unpack128lo_ps(t11, t3);                  /* y3c x3c z2c y2c | x2c z1c y1c x1c */
1065     t2          = gmx_mm256_unpack128hi_ps(t11, t3);                  /* y3g x3g z2g y2g | x2g z1g y1g x1g */
1066     t9          = gmx_mm256_unpack128lo_ps(t12, t4);                  /* y3d x3d z2d y2d | x2d z1d y1d x1d */
1067     t10         = gmx_mm256_unpack128hi_ps(t12, t4);                  /* y3h x3h z2h y2h | x2h z1h y1h x1h */
1068
1069     tA          = _mm256_sub_ps(tA, t5);
1070     tB          = _mm256_sub_ps(tB, t7);
1071     tC          = _mm256_sub_ps(tC, t1);
1072     tD          = _mm256_sub_ps(tD, t9);
1073     tE          = _mm256_sub_ps(tE, t6);
1074     tF          = _mm256_sub_ps(tF, t8);
1075     tG          = _mm256_sub_ps(tG, t2);
1076     tH          = _mm256_sub_ps(tH, t10);
1077
1078     _mm256_storeu_ps(ptrA, tA);
1079     _mm256_storeu_ps(ptrB, tB);
1080     _mm256_storeu_ps(ptrC, tC);
1081     _mm256_storeu_ps(ptrD, tD);
1082     _mm256_storeu_ps(ptrE, tE);
1083     _mm256_storeu_ps(ptrF, tF);
1084     _mm256_storeu_ps(ptrG, tG);
1085     _mm256_storeu_ps(ptrH, tH);
1086
1087     tI          = gmx_mm256_set_m128(_mm_load_ss(ptrE+8), _mm_load_ss(ptrA+8));
1088     tJ          = gmx_mm256_set_m128(_mm_load_ss(ptrF+8), _mm_load_ss(ptrB+8));
1089     tK          = gmx_mm256_set_m128(_mm_load_ss(ptrG+8), _mm_load_ss(ptrC+8));
1090     tL          = gmx_mm256_set_m128(_mm_load_ss(ptrH+8), _mm_load_ss(ptrD+8));
1091
1092     tI          = _mm256_unpacklo_ps(tI, tK);  /*  -  - zG zE |  -  - zC zA */
1093     tJ          = _mm256_unpacklo_ps(tJ, tL);  /*  -  - zH zF |  -  - zD zB */
1094     tI          = _mm256_unpacklo_ps(tI, tJ);  /* zH zG zF zE | zD zC zB zA */
1095
1096     tI          = _mm256_sub_ps(tI, z3);
1097     tJ          = _mm256_permute_ps(tI, _MM_SHUFFLE(1, 1, 1, 1));
1098     tK          = _mm256_permute_ps(tI, _MM_SHUFFLE(2, 2, 2, 2));
1099     tL          = _mm256_permute_ps(tI, _MM_SHUFFLE(3, 3, 3, 3));
1100
1101     _mm_store_ss(ptrA+8, _mm256_castps256_ps128(tI));
1102     _mm_store_ss(ptrB+8, _mm256_castps256_ps128(tJ));
1103     _mm_store_ss(ptrC+8, _mm256_castps256_ps128(tK));
1104     _mm_store_ss(ptrD+8, _mm256_castps256_ps128(tL));
1105     _mm_store_ss(ptrE+8, _mm256_extractf128_ps(tI, 0x1));
1106     _mm_store_ss(ptrF+8, _mm256_extractf128_ps(tJ, 0x1));
1107     _mm_store_ss(ptrG+8, _mm256_extractf128_ps(tK, 0x1));
1108     _mm_store_ss(ptrH+8, _mm256_extractf128_ps(tL, 0x1));
1109 }
1110 #endif
1111
1112
1113
1114 #if defined (_MSC_VER) && defined(_M_IX86)
1115 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
1116 #define gmx_mm256_decrement_4rvec_8ptr_swizzle_ps(ptrA, ptrB, ptrC, ptrD, ptrE, ptrF, ptrG, ptrH, \
1117                                                   _x1, _y1, _z1, _x2, _y2, _z2, _x3, _y3, _z3, _x4, _y4, _z4) \
1118     { \
1119         __m256 _t1, _t2, _t3, _t4, _t5, _t6, _t7, _t8, _t9, _t10, _t11, _t12; \
1120         __m256 _tA, _tB, _tC, _tD, _tE, _tF, _tG, _tH, _tI, _tJ, _tK, _tL; \
1121 \
1122         _tA         = _mm256_loadu_ps(ptrA); \
1123         _tB         = _mm256_loadu_ps(ptrB); \
1124         _tC         = _mm256_loadu_ps(ptrC); \
1125         _tD         = _mm256_loadu_ps(ptrD); \
1126         _tE         = _mm256_loadu_ps(ptrE); \
1127         _tF         = _mm256_loadu_ps(ptrF); \
1128         _tG         = _mm256_loadu_ps(ptrG); \
1129         _tH         = _mm256_loadu_ps(ptrH); \
1130         _t1         = _mm256_unpacklo_ps(_x1, _y1); \
1131         _t2         = _mm256_unpackhi_ps(_x1, _y1); \
1132         _t3         = _mm256_unpacklo_ps(_z1, _x2); \
1133         _t4         = _mm256_unpackhi_ps(_z1, _x2); \
1134         _t5         = _mm256_unpacklo_ps(_y2, _z2); \
1135         _t6         = _mm256_unpackhi_ps(_y2, _z2); \
1136         _t7         = _mm256_unpacklo_ps(_x3, _y3); \
1137         _t8         = _mm256_unpackhi_ps(_x3, _y3); \
1138         _t9         = _mm256_shuffle_ps(_t1, _t3, _MM_SHUFFLE(1, 0, 1, 0)); \
1139         _t10        = _mm256_shuffle_ps(_t1, _t3, _MM_SHUFFLE(3, 2, 3, 2)); \
1140         _t11        = _mm256_shuffle_ps(_t2, _t4, _MM_SHUFFLE(1, 0, 1, 0)); \
1141         _t12        = _mm256_shuffle_ps(_t2, _t4, _MM_SHUFFLE(3, 2, 3, 2)); \
1142         _t1         = _mm256_shuffle_ps(_t5, _t7, _MM_SHUFFLE(1, 0, 1, 0)); \
1143         _t2         = _mm256_shuffle_ps(_t5, _t7, _MM_SHUFFLE(3, 2, 3, 2)); \
1144         _t3         = _mm256_shuffle_ps(_t6, _t8, _MM_SHUFFLE(1, 0, 1, 0)); \
1145         _t4         = _mm256_shuffle_ps(_t6, _t8, _MM_SHUFFLE(3, 2, 3, 2)); \
1146         _t5         = gmx_mm256_unpack128lo_ps(_t9, _t1); \
1147         _t6         = gmx_mm256_unpack128hi_ps(_t9, _t1); \
1148         _t7         = gmx_mm256_unpack128lo_ps(_t10, _t2); \
1149         _t8         = gmx_mm256_unpack128hi_ps(_t10, _t2); \
1150         _t1         = gmx_mm256_unpack128lo_ps(_t11, _t3); \
1151         _t2         = gmx_mm256_unpack128hi_ps(_t11, _t3); \
1152         _t9         = gmx_mm256_unpack128lo_ps(_t12, _t4); \
1153         _t10        = gmx_mm256_unpack128hi_ps(_t12, _t4); \
1154         _tA         = _mm256_sub_ps(_tA, _t5); \
1155         _tB         = _mm256_sub_ps(_tB, _t7); \
1156         _tC         = _mm256_sub_ps(_tC, _t1); \
1157         _tD         = _mm256_sub_ps(_tD, _t9); \
1158         _tE         = _mm256_sub_ps(_tE, _t6); \
1159         _tF         = _mm256_sub_ps(_tF, _t8); \
1160         _tG         = _mm256_sub_ps(_tG, _t2); \
1161         _tH         = _mm256_sub_ps(_tH, _t10); \
1162         _mm256_storeu_ps(ptrA, _tA); \
1163         _mm256_storeu_ps(ptrB, _tB); \
1164         _mm256_storeu_ps(ptrC, _tC); \
1165         _mm256_storeu_ps(ptrD, _tD); \
1166         _mm256_storeu_ps(ptrE, _tE); \
1167         _mm256_storeu_ps(ptrF, _tF); \
1168         _mm256_storeu_ps(ptrG, _tG); \
1169         _mm256_storeu_ps(ptrH, _tH); \
1170         _tI         = gmx_mm256_set_m128(_mm_loadu_ps(ptrE+8), _mm_loadu_ps(ptrA+8)); \
1171         _tJ         = gmx_mm256_set_m128(_mm_loadu_ps(ptrF+8), _mm_loadu_ps(ptrB+8)); \
1172         _tK         = gmx_mm256_set_m128(_mm_loadu_ps(ptrG+8), _mm_loadu_ps(ptrC+8)); \
1173         _tL         = gmx_mm256_set_m128(_mm_loadu_ps(ptrH+8), _mm_loadu_ps(ptrD+8)); \
1174         _t1         = _mm256_unpacklo_ps(_z3, _x4); \
1175         _t2         = _mm256_unpackhi_ps(_z3, _x4); \
1176         _t3         = _mm256_unpacklo_ps(_y4, _z4); \
1177         _t4         = _mm256_unpackhi_ps(_y4, _z4); \
1178         _t5         = _mm256_shuffle_ps(_t1, _t3, _MM_SHUFFLE(1, 0, 1, 0)); \
1179         _t6         = _mm256_shuffle_ps(_t1, _t3, _MM_SHUFFLE(3, 2, 3, 2)); \
1180         _t7         = _mm256_shuffle_ps(_t2, _t4, _MM_SHUFFLE(1, 0, 1, 0)); \
1181         _t8         = _mm256_shuffle_ps(_t2, _t4, _MM_SHUFFLE(3, 2, 3, 2)); \
1182         _tI         = _mm256_sub_ps(_tI, _t5); \
1183         _tJ         = _mm256_sub_ps(_tJ, _t6); \
1184         _tK         = _mm256_sub_ps(_tK, _t7); \
1185         _tL         = _mm256_sub_ps(_tL, _t8); \
1186         _mm_storeu_ps(ptrA+8, _mm256_castps256_ps128(_tI)); \
1187         _mm_storeu_ps(ptrB+8, _mm256_castps256_ps128(_tJ)); \
1188         _mm_storeu_ps(ptrC+8, _mm256_castps256_ps128(_tK)); \
1189         _mm_storeu_ps(ptrD+8, _mm256_castps256_ps128(_tL)); \
1190         _mm_storeu_ps(ptrE+8, _mm256_extractf128_ps(_tI, 0x1)); \
1191         _mm_storeu_ps(ptrF+8, _mm256_extractf128_ps(_tJ, 0x1)); \
1192         _mm_storeu_ps(ptrG+8, _mm256_extractf128_ps(_tK, 0x1)); \
1193         _mm_storeu_ps(ptrH+8, _mm256_extractf128_ps(_tL, 0x1)); \
1194     }
1195 #else
1196 /* Real function for sane compilers */
1197 static gmx_inline void
1198 gmx_mm256_decrement_4rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
1199                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
1200                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
1201                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
1202                                           __m256 x1, __m256 y1, __m256 z1,
1203                                           __m256 x2, __m256 y2, __m256 z2,
1204                                           __m256 x3, __m256 y3, __m256 z3,
1205                                           __m256 x4, __m256 y4, __m256 z4)
1206 {
1207     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
1208     __m256 tA, tB, tC, tD, tE, tF, tG, tH;
1209     __m256 tI, tJ, tK, tL;
1210
1211     tA          = _mm256_loadu_ps(ptrA);
1212     tB          = _mm256_loadu_ps(ptrB);
1213     tC          = _mm256_loadu_ps(ptrC);
1214     tD          = _mm256_loadu_ps(ptrD);
1215     tE          = _mm256_loadu_ps(ptrE);
1216     tF          = _mm256_loadu_ps(ptrF);
1217     tG          = _mm256_loadu_ps(ptrG);
1218     tH          = _mm256_loadu_ps(ptrH);
1219
1220     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
1221     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
1222     t3          = _mm256_unpacklo_ps(z1, x2);                         /* x2f z1f x2e z1e | x2b z1b x2a z1a */
1223     t4          = _mm256_unpackhi_ps(z1, x2);                         /* x2h z1h x2g z1g | x2d z1d x2c z1c */
1224
1225     t5          = _mm256_unpacklo_ps(y2, z2);                         /* z2f y2f z2e y2e | z2b y2b z2a y2a */
1226     t6          = _mm256_unpackhi_ps(y2, z2);                         /* z2h y2h z2g y2g | z2d y2d z2c y2c */
1227     t7          = _mm256_unpacklo_ps(x3, y3);                         /* y3f x3f y3e x3e | y3b x3b y3a x3a */
1228     t8          = _mm256_unpackhi_ps(x3, y3);                         /* y3h x3h y3g x3g | y3d x3d y3c x3c */
1229
1230     t9          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* x2e z1e y1e x1e | x2a z1a y1a x1a */
1231     t10         = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* x2f z1f y1f x1f | x2b z1b y1b x1b */
1232     t11         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* x2g z1g y1g x1g | x2c z1c y1c x1c */
1233     t12         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* x2h z1h y1h x1h | x2d z1d y1d x1d */
1234
1235     t1          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0)); /* y3e x3e z2e y2e | y3a x3a z2a y2a */
1236     t2          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2)); /* y3f x3f z2f y2f | y3b x3b z2b y2b */
1237     t3          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0)); /* y3g x3g z2g y2g | y3c x3c z2c y2c */
1238     t4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2)); /* y3h x3h z2h y2h | y3d x3d z2d y2d */
1239
1240     t5          = gmx_mm256_unpack128lo_ps(t9, t1);                   /* y3a x3a z2a y2a | x2a z1a y1a x1a */
1241     t6          = gmx_mm256_unpack128hi_ps(t9, t1);                   /* y3e x3e z2e y2e | x2e z1e y1e x1e */
1242     t7          = gmx_mm256_unpack128lo_ps(t10, t2);                  /* y3b x3b z2b y2b | x2b z1b y1b x1b */
1243     t8          = gmx_mm256_unpack128hi_ps(t10, t2);                  /* y3f x3f z2f y2f | x2f z1f y1f x1f */
1244     t1          = gmx_mm256_unpack128lo_ps(t11, t3);                  /* y3c x3c z2c y2c | x2c z1c y1c x1c */
1245     t2          = gmx_mm256_unpack128hi_ps(t11, t3);                  /* y3g x3g z2g y2g | x2g z1g y1g x1g */
1246     t9          = gmx_mm256_unpack128lo_ps(t12, t4);                  /* y3d x3d z2d y2d | x2d z1d y1d x1d */
1247     t10         = gmx_mm256_unpack128hi_ps(t12, t4);                  /* y3h x3h z2h y2h | x2h z1h y1h x1h */
1248
1249     tA          = _mm256_sub_ps(tA, t5);
1250     tB          = _mm256_sub_ps(tB, t7);
1251     tC          = _mm256_sub_ps(tC, t1);
1252     tD          = _mm256_sub_ps(tD, t9);
1253     tE          = _mm256_sub_ps(tE, t6);
1254     tF          = _mm256_sub_ps(tF, t8);
1255     tG          = _mm256_sub_ps(tG, t2);
1256     tH          = _mm256_sub_ps(tH, t10);
1257
1258     _mm256_storeu_ps(ptrA, tA);
1259     _mm256_storeu_ps(ptrB, tB);
1260     _mm256_storeu_ps(ptrC, tC);
1261     _mm256_storeu_ps(ptrD, tD);
1262     _mm256_storeu_ps(ptrE, tE);
1263     _mm256_storeu_ps(ptrF, tF);
1264     _mm256_storeu_ps(ptrG, tG);
1265     _mm256_storeu_ps(ptrH, tH);
1266
1267     tI          = gmx_mm256_set_m128(_mm_loadu_ps(ptrE+8), _mm_loadu_ps(ptrA+8));
1268     tJ          = gmx_mm256_set_m128(_mm_loadu_ps(ptrF+8), _mm_loadu_ps(ptrB+8));
1269     tK          = gmx_mm256_set_m128(_mm_loadu_ps(ptrG+8), _mm_loadu_ps(ptrC+8));
1270     tL          = gmx_mm256_set_m128(_mm_loadu_ps(ptrH+8), _mm_loadu_ps(ptrD+8));
1271
1272     t1          = _mm256_unpacklo_ps(z3, x4);                         /* x4f z3f x4e z3e | x4b z3b x4a z3a */
1273     t2          = _mm256_unpackhi_ps(z3, x4);                         /* x4h z3h x4g z3g | x4d z3d x4c z3c */
1274     t3          = _mm256_unpacklo_ps(y4, z4);                         /* z4f y4f z4e y4e | z4b y4b z4a y4a */
1275     t4          = _mm256_unpackhi_ps(y4, z4);                         /* z4h y4h z4g y4g | z4d y4d z4c y4c */
1276
1277     t5          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* z4e y4e x4e z3e | z4a y4a x4a z3a */
1278     t6          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* z4f y4f x4f z3f | z4b y4b x4b z3b */
1279     t7          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* z4g y4g x4g z3g | z4c y4c x4c z3c */
1280     t8          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* z4h y4h x4h z3h | z4d y4d x4d z3d */
1281
1282     tI          = _mm256_sub_ps(tI, t5);
1283     tJ          = _mm256_sub_ps(tJ, t6);
1284     tK          = _mm256_sub_ps(tK, t7);
1285     tL          = _mm256_sub_ps(tL, t8);
1286
1287     _mm_storeu_ps(ptrA+8, _mm256_castps256_ps128(tI));
1288     _mm_storeu_ps(ptrB+8, _mm256_castps256_ps128(tJ));
1289     _mm_storeu_ps(ptrC+8, _mm256_castps256_ps128(tK));
1290     _mm_storeu_ps(ptrD+8, _mm256_castps256_ps128(tL));
1291     _mm_storeu_ps(ptrE+8, _mm256_extractf128_ps(tI, 0x1));
1292     _mm_storeu_ps(ptrF+8, _mm256_extractf128_ps(tJ, 0x1));
1293     _mm_storeu_ps(ptrG+8, _mm256_extractf128_ps(tK, 0x1));
1294     _mm_storeu_ps(ptrH+8, _mm256_extractf128_ps(tL, 0x1));
1295 }
1296 #endif
1297
1298
1299 static gmx_inline void
1300 gmx_mm256_update_iforce_1atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1301                                          float * gmx_restrict fptr,
1302                                          float * gmx_restrict fshiftptr)
1303 {
1304     __m128 t1, t2, t3;
1305
1306     fix1 = _mm256_hadd_ps(fix1, fix1);
1307     fiy1 = _mm256_hadd_ps(fiy1, fiz1);
1308     fix1 = _mm256_hadd_ps(fix1, fiy1); /* fiz1 fiy1 fix1 fix1 (in both lanes) */
1309
1310     /* Add across the two lanes */
1311     t1   = _mm_add_ps(_mm256_castps256_ps128(fix1), _mm256_extractf128_ps(fix1, 0x1));
1312
1313     t2 = _mm_load_ss(fptr);
1314     t2 = _mm_loadh_pi(t2, (__m64 *)(fptr+1));
1315     t3 = _mm_load_ss(fshiftptr);
1316     t3 = _mm_loadh_pi(t3, (__m64 *)(fshiftptr+1));
1317
1318     t2 = _mm_add_ps(t2, t1);
1319     t3 = _mm_add_ps(t3, t1);
1320
1321     _mm_store_ss(fptr, t2);
1322     _mm_storeh_pi((__m64 *)(fptr+1), t2);
1323     _mm_store_ss(fshiftptr, t3);
1324     _mm_storeh_pi((__m64 *)(fshiftptr+1), t3);
1325 }
1326
1327 #if defined (_MSC_VER) && defined(_M_IX86)
1328 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
1329 #define gmx_mm256_update_iforce_3atom_swizzle_ps(fix1, fiy1, fiz1, fix2, fiy2, fiz2, fix3, fiy3, fiz3, \
1330                                                  fptr, fshiftptr) \
1331     { \
1332         __m256 _t1, _t2, _t3; \
1333         __m128 _tA, _tB, _tC; \
1334 \
1335         fix1 = _mm256_hadd_ps(fix1, fiy1); \
1336         fiz1 = _mm256_hadd_ps(fiz1, fix2); \
1337         fiy2 = _mm256_hadd_ps(fiy2, fiz2); \
1338         fix3 = _mm256_hadd_ps(fix3, fiy3); \
1339         fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); \
1340         fix1 = _mm256_hadd_ps(fix1, fiz1); \
1341         fiy2 = _mm256_hadd_ps(fiy2, fix3); \
1342         fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); \
1343 \
1344         _t1  = gmx_mm256_unpack128lo_ps(fix1, fiy2); \
1345         _t2  = gmx_mm256_unpack128hi_ps(fix1, fiy2); \
1346         _t1  = _mm256_add_ps(_t1, _t2); \
1347         _tA  = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); \
1348         _t3  = _mm256_loadu_ps(fptr); \
1349         _t3  = _mm256_add_ps(_t3, _t1); \
1350         _mm256_storeu_ps(fptr, _t3); \
1351         _tB  = _mm_load_ss(fptr+8); \
1352         _tB  = _mm_add_ss(_tB, _tA); \
1353         _mm_store_ss(fptr+8, _tB); \
1354 \
1355         _tB  = _mm256_extractf128_ps(_t1, 0x1); \
1356         _tC  = _mm_shuffle_ps(_mm256_castps256_ps128(_t1), _tB, _MM_SHUFFLE(1, 0, 3, 3)); \
1357         _tB  = _mm_shuffle_ps(_tB, _tA, _MM_SHUFFLE(1, 0, 3, 2)); \
1358         _tC  = _mm_permute_ps(_tC, _MM_SHUFFLE(3, 3, 2, 0)); \
1359         _tB  = _mm_add_ps(_tB, _mm256_castps256_ps128(_t1)); \
1360         _tA  = _mm_add_ps(_tB, _tC); \
1361         _tA  = _mm_blend_ps(_mm_setzero_ps(), _tA, 0x7); \
1362         _tC  = _mm_loadu_ps(fshiftptr); \
1363         _tC  = _mm_add_ps(_tC, _tA); \
1364         _mm_storeu_ps(fshiftptr, _tC); \
1365     }
1366 #else
1367 /* Real function for sane compilers */
1368 static gmx_inline void
1369 gmx_mm256_update_iforce_3atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1370                                          __m256 fix2, __m256 fiy2, __m256 fiz2,
1371                                          __m256 fix3, __m256 fiy3, __m256 fiz3,
1372                                          float * gmx_restrict fptr,
1373                                          float * gmx_restrict fshiftptr)
1374 {
1375     __m256 t1, t2, t3;
1376     __m128 tA, tB, tC;
1377
1378     fix1 = _mm256_hadd_ps(fix1, fiy1);                /*  Y1g+Y1h Y1e+Y1f X1g+X1h X1e+X1f | Y1c+Y1d Y1a+Y1b X1c+X1d X1a+X1b */
1379     fiz1 = _mm256_hadd_ps(fiz1, fix2);                /*  X2g+X2h X2e+X2f Z1g+Z1h Z1e+Z1f | X2c+X2d X2a+X2b Z1c+Z1d Z1a+Z1b */
1380     fiy2 = _mm256_hadd_ps(fiy2, fiz2);                /*  Z2g+Z2h Z2e+Z2f Y2g+Y2h Y2e+Y2f | Z2c+Z2d Z2a+Z2b Y2c+Y2d Y2a+Y2b */
1381     fix3 = _mm256_hadd_ps(fix3, fiy3);                /*  Y3g+Y3h Y3e+Y3f X3g+X3h X3e+X3f | Y3c+Y3d Y3a+Y3b X3c+X3d X3a+X3b */
1382     fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); /*  0       0       Z3g+Z3h Z3e+Z3f | 0       0       Z3c+Z3d Z3a+Z3b */
1383
1384     fix1 = _mm256_hadd_ps(fix1, fiz1);                /*  X2e-h   Z1e-h   Y1e-h   X1e-h   | X2a-d   Z1a-d   Y1a-d   X1a-d   */
1385     fiy2 = _mm256_hadd_ps(fiy2, fix3);                /*  Y3e-h   X3e-h   Z2e-h   Y2e-h   | Y3a-d   X3a-d   Z2a-d   Y2a-d   */
1386     fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); /*  0       0       0       Z3e-h   | 0       0       0       Z3a-d   */
1387
1388     /* Add across the two lanes by swapping and adding back */
1389     t1   = gmx_mm256_unpack128lo_ps(fix1, fiy2);                                       /*  Y3a-d   X3a-d   Z2a-d   Y2a-d | X2a-d   Z1a-d   Y1a-d   X1a-d */
1390     t2   = gmx_mm256_unpack128hi_ps(fix1, fiy2);                                       /*  Y3e-h   X3e-h   Z2e-h   Y2e-h | X2e-h   Z1e-h   Y1e-h   X1e-h */
1391     t1   = _mm256_add_ps(t1, t2);                                                      /* y3 x3 z2 y2 | x2 z1 y1 x1 */
1392
1393     tA   = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); /* 0 0 0 z3 */
1394
1395     t3   = _mm256_loadu_ps(fptr);
1396     t3   = _mm256_add_ps(t3, t1);
1397     _mm256_storeu_ps(fptr, t3);
1398     tB   = _mm_load_ss(fptr+8);
1399     tB   = _mm_add_ss(tB, tA);
1400     _mm_store_ss(fptr+8, tB);
1401
1402     /* Add up shift force */
1403     tB   = _mm256_extractf128_ps(t1, 0x1);                                          /* y3 x3 z2 y2 */
1404     tC   = _mm_shuffle_ps(_mm256_castps256_ps128(t1), tB, _MM_SHUFFLE(1, 0, 3, 3)); /* z2 y2 x2 x2 */
1405     tB   = _mm_shuffle_ps(tB, tA, _MM_SHUFFLE(1, 0, 3, 2));                         /* 0 z3 y3 x3 */
1406     tC   = _mm_permute_ps(tC, _MM_SHUFFLE(3, 3, 2, 0));                             /*  - z2 y2 x2 */
1407
1408     tB   = _mm_add_ps(tB, _mm256_castps256_ps128(t1));
1409     tA   = _mm_add_ps(tB, tC);                      /*  - z y x */
1410
1411     tA   = _mm_blend_ps(_mm_setzero_ps(), tA, 0x7); /* 0 z y x */
1412
1413     tC   = _mm_loadu_ps(fshiftptr);
1414     tC   = _mm_add_ps(tC, tA);
1415     _mm_storeu_ps(fshiftptr, tC);
1416 }
1417 #endif
1418
1419
1420 #if defined (_MSC_VER) && defined(_M_IX86)
1421 /* Macro work-around since 32-bit MSVC cannot handle >3 xmm/ymm parameters */
1422 #define gmx_mm256_update_iforce_4atom_swizzle_ps(fix1, fiy1, fiz1, fix2, fiy2, fiz2, fix3, fiy3, fiz3, fix4, fiy4, fiz4, \
1423                                                  fptr, fshiftptr) \
1424     { \
1425         __m256 _t1, _t2, _t3; \
1426         __m128 _tA, _tB, _tC; \
1427 \
1428         fix1 = _mm256_hadd_ps(fix1, fiy1); \
1429         fiz1 = _mm256_hadd_ps(fiz1, fix2); \
1430         fiy2 = _mm256_hadd_ps(fiy2, fiz2); \
1431         fix3 = _mm256_hadd_ps(fix3, fiy3); \
1432         fiz3 = _mm256_hadd_ps(fiz3, fix4); \
1433         fiy4 = _mm256_hadd_ps(fiy4, fiz4); \
1434 \
1435         fix1 = _mm256_hadd_ps(fix1, fiz1); \
1436         fiy2 = _mm256_hadd_ps(fiy2, fix3); \
1437         fiz3 = _mm256_hadd_ps(fiz3, fiy4); \
1438 \
1439         _t1  = gmx_mm256_unpack128lo_ps(fix1, fiy2); \
1440         _t2  = gmx_mm256_unpack128hi_ps(fix1, fiy2); \
1441         _t1  = _mm256_add_ps(_t1, _t2); \
1442         _tA  = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); \
1443         _t3  = _mm256_loadu_ps(fptr); \
1444         _t3  = _mm256_add_ps(_t3, _t1); \
1445         _mm256_storeu_ps(fptr, _t3); \
1446         _tB  = _mm_loadu_ps(fptr+8); \
1447         _tB  = _mm_add_ps(_tB, _tA); \
1448         _mm_storeu_ps(fptr+8, _tB); \
1449 \
1450         _tB  = _mm256_extractf128_ps(_t1, 0x1); \
1451         _tC  = _mm_shuffle_ps(_mm256_castps256_ps128(_t1), _tB, _MM_SHUFFLE(1, 0, 3, 3)); \
1452         _tB  = _mm_shuffle_ps(_tB, _tA, _MM_SHUFFLE(1, 0, 3, 2)); \
1453         _tC  = _mm_permute_ps(_tC, _MM_SHUFFLE(3, 3, 2, 0)); \
1454         _tA  = _mm_permute_ps(_tA, _MM_SHUFFLE(0, 3, 2, 1)); \
1455         _tB  = _mm_add_ps(_tB, _mm256_castps256_ps128(_t1)); \
1456         _tA  = _mm_add_ps(_tA, _tC); \
1457         _tA  = _mm_add_ps(_tA, _tB); \
1458         _tA  = _mm_blend_ps(_mm_setzero_ps(), _tA, 0x7); \
1459         _tC  = _mm_loadu_ps(fshiftptr); \
1460         _tC  = _mm_add_ps(_tC, _tA); \
1461         _mm_storeu_ps(fshiftptr, _tC); \
1462     }
1463 #else
1464 /* Real function for sane compilers */
1465 static gmx_inline void
1466 gmx_mm256_update_iforce_4atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1467                                          __m256 fix2, __m256 fiy2, __m256 fiz2,
1468                                          __m256 fix3, __m256 fiy3, __m256 fiz3,
1469                                          __m256 fix4, __m256 fiy4, __m256 fiz4,
1470                                          float * gmx_restrict fptr,
1471                                          float * gmx_restrict fshiftptr)
1472 {
1473     __m256 t1, t2, t3;
1474     __m128 tA, tB, tC;
1475
1476     fix1 = _mm256_hadd_ps(fix1, fiy1);                /*  Y1g+Y1h Y1e+Y1f X1g+X1h X1e+X1f | Y1c+Y1d Y1a+Y1b X1c+X1d X1a+X1b */
1477     fiz1 = _mm256_hadd_ps(fiz1, fix2);                /*  X2g+X2h X2e+X2f Z1g+Z1h Z1e+Z1f | X2c+X2d X2a+X2b Z1c+Z1d Z1a+Z1b */
1478     fiy2 = _mm256_hadd_ps(fiy2, fiz2);                /*  Z2g+Z2h Z2e+Z2f Y2g+Y2h Y2e+Y2f | Z2c+Z2d Z2a+Z2b Y2c+Y2d Y2a+Y2b */
1479     fix3 = _mm256_hadd_ps(fix3, fiy3);                /*  Y3g+Y3h Y3e+Y3f X3g+X3h X3e+X3f | Y3c+Y3d Y3a+Y3b X3c+X3d X3a+X3b */
1480     fiz3 = _mm256_hadd_ps(fiz3, fix4);                /*  X4g+X4h X4e+X4f Z3g+Z3h Z3e+Z3f | X4c+X4d X4a+X4b Z3c+Z3d Z3a+Z3b */
1481     fiy4 = _mm256_hadd_ps(fiy4, fiz4);                /*  Z4g+Z4h Z4e+Z4f Y4g+Y4h Y4e+Y4f | Z4c+Z4d Z4a+Z4b Y4c+Y4d Y4a+Y4b */
1482
1483     fix1 = _mm256_hadd_ps(fix1, fiz1);                /*  X2e-h   Z1e-h   Y1e-h   X1e-h   | X2a-d   Z1a-d   Y1a-d   X1a-d   */
1484     fiy2 = _mm256_hadd_ps(fiy2, fix3);                /*  Y3e-h   X3e-h   Z2e-h   Y2e-h   | Y3a-d   X3a-d   Z2a-d   Y2a-d   */
1485     fiz3 = _mm256_hadd_ps(fiz3, fiy4);                /*  Z4e-h   Y4e-h   X4e-h   Z3e-h   | Z4a-d   Y4a-d   X4a-d   Z3a-d   */
1486
1487     /* Add across the two lanes by swapping and adding back */
1488     t1   = gmx_mm256_unpack128lo_ps(fix1, fiy2);                                       /*  Y3a-d   X3a-d   Z2a-d   Y2a-d | X2a-d   Z1a-d   Y1a-d   X1a-d */
1489     t2   = gmx_mm256_unpack128hi_ps(fix1, fiy2);                                       /*  Y3e-h   X3e-h   Z2e-h   Y2e-h | X2e-h   Z1e-h   Y1e-h   X1e-h */
1490     t1   = _mm256_add_ps(t1, t2);                                                      /* y3 x3 z2 y2 | x2 z1 y1 x1 */
1491
1492     tA   = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); /* z4 y4 x4 z3 */
1493
1494     t3   = _mm256_loadu_ps(fptr);
1495     t3   = _mm256_add_ps(t3, t1);
1496     _mm256_storeu_ps(fptr, t3);
1497
1498     tB   = _mm_loadu_ps(fptr+8);
1499     tB   = _mm_add_ps(tB, tA);
1500     _mm_storeu_ps(fptr+8, tB);
1501
1502     /* Add up shift force */
1503     tB   = _mm256_extractf128_ps(t1, 0x1);                                          /* y3 x3 z2 y2 */
1504     tC   = _mm_shuffle_ps(_mm256_castps256_ps128(t1), tB, _MM_SHUFFLE(1, 0, 3, 3)); /* z2 y2 x2 x2 */
1505     tB   = _mm_shuffle_ps(tB, tA, _MM_SHUFFLE(1, 0, 3, 2));                         /* 0 z3 y3 x3 */
1506     tC   = _mm_permute_ps(tC, _MM_SHUFFLE(3, 3, 2, 0));                             /*  - z2 y2 x2 */
1507     tA   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 3, 2, 1));                             /* - z4 y4 x4 */
1508
1509     tB   = _mm_add_ps(tB, _mm256_castps256_ps128(t1));
1510     tA   = _mm_add_ps(tA, tC);
1511     tA   = _mm_add_ps(tA, tB);
1512
1513     tA   = _mm_blend_ps(_mm_setzero_ps(), tA, 0x7); /* 0 z y x */
1514
1515     tC   = _mm_loadu_ps(fshiftptr);
1516     tC   = _mm_add_ps(tC, tA);
1517     _mm_storeu_ps(fshiftptr, tC);
1518 }
1519 #endif
1520
1521
1522
1523 static gmx_inline void
1524 gmx_mm256_update_1pot_ps(__m256 pot1, float * gmx_restrict ptrA)
1525 {
1526     __m128 t1;
1527
1528     pot1 = _mm256_hadd_ps(pot1, pot1);
1529     pot1 = _mm256_hadd_ps(pot1, pot1);
1530
1531     t1   = _mm_add_ps(_mm256_castps256_ps128(pot1), _mm256_extractf128_ps(pot1, 0x1));
1532
1533     _mm_store_ss(ptrA, _mm_add_ss(_mm_load_ss(ptrA), t1));
1534 }
1535
1536 static gmx_inline void
1537 gmx_mm256_update_2pot_ps(__m256 pot1, float * gmx_restrict ptrA,
1538                          __m256 pot2, float * gmx_restrict ptrB)
1539 {
1540     __m128 t1, t2;
1541
1542     pot1 = _mm256_hadd_ps(pot1, pot2);
1543     pot1 = _mm256_hadd_ps(pot1, pot1);
1544
1545     t1   = _mm_add_ps(_mm256_castps256_ps128(pot1), _mm256_extractf128_ps(pot1, 0x1));
1546
1547     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
1548     _mm_store_ss(ptrA, _mm_add_ss(_mm_load_ss(ptrA), t1));
1549     _mm_store_ss(ptrB, _mm_add_ss(_mm_load_ss(ptrB), t2));
1550 }
1551
1552
1553 #endif /* _kernelutil_x86_avx_256_single_h_ */