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 #include "config.h"
  39
  40 #define gmx_mm_castsi128_ps(a) _mm_castsi128_ps(a)
  41
  42 static gmx_inline __m256 gmx_simdcall
  43 gmx_mm256_unpack128lo_ps(__m256 xmm1, __m256 xmm2)
  44 {
  45     return _mm256_permute2f128_ps(xmm1, xmm2, 0x20);
  46 }
  47
  48 static gmx_inline __m256 gmx_simdcall
  49 gmx_mm256_unpack128hi_ps(__m256 xmm1, __m256 xmm2)
  50 {
  51     return _mm256_permute2f128_ps(xmm1, xmm2, 0x31);
  52 }
  53
  54 static gmx_inline __m256 gmx_simdcall
  55 gmx_mm256_set_m128(__m128 hi, __m128 lo)
  56 {
  57     return _mm256_insertf128_ps(_mm256_castps128_ps256(lo), hi, 0x1);
  58 }
  59
  60 /* Work around gcc bug with wrong type for mask formal parameter to maskload/maskstore */
  61 #ifdef GMX_SIMD_X86_AVX_GCC_MASKLOAD_BUG
  62 #    define gmx_mm_maskload_ps(mem, mask)       _mm_maskload_ps((mem), _mm_castsi128_ps(mask))
  63 #    define gmx_mm_maskstore_ps(mem, mask, x)    _mm_maskstore_ps((mem), _mm_castsi128_ps(mask), (x))
  64 #    define gmx_mm256_maskload_ps(mem, mask)    _mm256_maskload_ps((mem), _mm256_castsi256_ps(mask))
  65 #    define gmx_mm256_maskstore_ps(mem, mask, x) _mm256_maskstore_ps((mem), _mm256_castsi256_ps(mask), (x))
  66 #else
  67 #    define gmx_mm_maskload_ps(mem, mask)       _mm_maskload_ps((mem), (mask))
  68 #    define gmx_mm_maskstore_ps(mem, mask, x)    _mm_maskstore_ps((mem), (mask), (x))
  69 #    define gmx_mm256_maskload_ps(mem, mask)    _mm256_maskload_ps((mem), (mask))
  70 #    define gmx_mm256_maskstore_ps(mem, mask, x) _mm256_maskstore_ps((mem), (mask), (x))
  71 #endif
  72
  73 /* Transpose lower/upper half of 256-bit registers separately */
  74 #define GMX_MM256_HALFTRANSPOSE4_PS(ymm0, ymm1, ymm2, ymm3) {            \
  75         __m256 __tmp0, __tmp1, __tmp2, __tmp3;                               \
  76                                                                       \
  77         __tmp0   = _mm256_unpacklo_ps((ymm0), (ymm1));                     \
  78         __tmp1   = _mm256_unpacklo_ps((ymm2), (ymm3));                     \
  79         __tmp2   = _mm256_unpackhi_ps((ymm0), (ymm1));                     \
  80         __tmp3   = _mm256_unpackhi_ps((ymm2), (ymm3));                     \
  81         ymm0     = _mm256_shuffle_ps(__tmp0, __tmp1, _MM_SHUFFLE(1, 0, 1, 0)); \
  82         ymm1     = _mm256_shuffle_ps(__tmp0, __tmp1, _MM_SHUFFLE(3, 2, 3, 2)); \
  83         ymm2     = _mm256_shuffle_ps(__tmp2, __tmp3, _MM_SHUFFLE(1, 0, 1, 0)); \
  84         ymm3     = _mm256_shuffle_ps(__tmp2, __tmp3, _MM_SHUFFLE(3, 2, 3, 2)); \
  85 }
  86
  87
  88 static gmx_inline __m256 gmx_simdcall
  89 gmx_mm256_calc_rsq_ps(__m256 dx, __m256 dy, __m256 dz)
  90 {
  91     return _mm256_add_ps( _mm256_add_ps( _mm256_mul_ps(dx, dx), _mm256_mul_ps(dy, dy) ), _mm256_mul_ps(dz, dz) );
  92 }
  93
  94 /* Normal sum of four ymm registers */
  95 #define gmx_mm256_sum4_ps(t0, t1, t2, t3)  _mm256_add_ps(_mm256_add_ps(t0, t1), _mm256_add_ps(t2, t3))
  96
  97
  98 static gmx_inline int gmx_simdcall
  99 gmx_mm256_any_lt(__m256 a, __m256 b)
 100 {
 101     return _mm256_movemask_ps(_mm256_cmp_ps(a, b, _CMP_LT_OQ));
 102 }
 103
 104
 105 static gmx_inline __m256 gmx_simdcall
 106 gmx_mm256_load_4real_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 107                                 const float * gmx_restrict ptrC, const float * gmx_restrict ptrD)
 108 {
 109     __m128 t1, t2;
 110
 111     t1 = _mm_unpacklo_ps(_mm_load_ss(ptrA), _mm_load_ss(ptrC));
 112     t2 = _mm_unpacklo_ps(_mm_load_ss(ptrB), _mm_load_ss(ptrD));
 113     return _mm256_castps128_ps256(_mm_unpacklo_ps(t1, t2));
 114 }
 115
 116
 117 static gmx_inline __m256 gmx_simdcall
 118 gmx_mm256_load_8real_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 119                                 const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 120                                 const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 121                                 const float * gmx_restrict ptrG, const float * gmx_restrict ptrH)
 122 {
 123     __m256 t1, t2;
 124
 125     t1 = gmx_mm256_load_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD);
 126     t2 = gmx_mm256_load_4real_swizzle_ps(ptrE, ptrF, ptrG, ptrH);
 127
 128     return _mm256_permute2f128_ps(t1, t2, 0x20);
 129 }
 130
 131
 132
 133 static gmx_inline void gmx_simdcall
 134 gmx_mm256_store_4real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 135                                  float * gmx_restrict ptrC, float * gmx_restrict ptrD, __m256 xmm1)
 136 {
 137     __m256 t2, t3, t4;
 138
 139     t2       = _mm256_permute_ps(xmm1, _MM_SHUFFLE(1, 1, 1, 1));
 140     t3       = _mm256_permute_ps(xmm1, _MM_SHUFFLE(2, 2, 2, 2));
 141     t4       = _mm256_permute_ps(xmm1, _MM_SHUFFLE(3, 3, 3, 3));
 142     _mm_store_ss(ptrA, _mm256_castps256_ps128(xmm1));
 143     _mm_store_ss(ptrB, _mm256_castps256_ps128(t2));
 144     _mm_store_ss(ptrC, _mm256_castps256_ps128(t3));
 145     _mm_store_ss(ptrD, _mm256_castps256_ps128(t4));
 146 }
 147
 148
 149 static gmx_inline void gmx_simdcall
 150 gmx_mm256_store_8real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 151                                  float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 152                                  float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 153                                  float * gmx_restrict ptrG, float * gmx_restrict ptrH, __m256 xmm1)
 154 {
 155     __m256 t1;
 156
 157     t1 = _mm256_permute2f128_ps(xmm1, xmm1, 0x11);
 158
 159     gmx_mm256_store_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD, xmm1);
 160     gmx_mm256_store_4real_swizzle_ps(ptrE, ptrF, ptrG, ptrH, t1);
 161 }
 162
 163
 164 static gmx_inline void gmx_simdcall
 165 gmx_mm256_increment_4real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 166                                      float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 167                                      __m256 xmm1)
 168 {
 169     __m128 t1, t2, t3, t4;
 170
 171     t1   = _mm256_castps256_ps128(xmm1);
 172     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 173     t3   = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 174     t4   = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 175
 176     t1   = _mm_add_ss(t1, _mm_load_ss(ptrA));
 177     t2   = _mm_add_ss(t2, _mm_load_ss(ptrB));
 178     t3   = _mm_add_ss(t3, _mm_load_ss(ptrC));
 179     t4   = _mm_add_ss(t4, _mm_load_ss(ptrD));
 180
 181     _mm_store_ss(ptrA, t1);
 182     _mm_store_ss(ptrB, t2);
 183     _mm_store_ss(ptrC, t3);
 184     _mm_store_ss(ptrD, t4);
 185 }
 186
 187 static gmx_inline void gmx_simdcall
 188 gmx_mm256_increment_8real_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 189                                      float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 190                                      float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 191                                      float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 192                                      __m256 xmm1)
 193 {
 194     __m256 t1;
 195
 196     t1 = _mm256_permute2f128_ps(xmm1, xmm1, 0x11);
 197
 198     gmx_mm256_increment_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD, xmm1);
 199     gmx_mm256_increment_4real_swizzle_ps(ptrE, ptrF, ptrG, ptrH, t1);
 200 }
 201
 202
 203 static gmx_inline void gmx_simdcall
 204 gmx_mm256_load_4pair_swizzle_ps(const float * gmx_restrict p1, const float * gmx_restrict p2,
 205                                 const float * gmx_restrict p3, const float * gmx_restrict p4,
 206                                 __m256 * gmx_restrict c6, __m256 * gmx_restrict c12)
 207 {
 208     __m128 t1, t2, t3, t4;
 209
 210     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p1); /* - - c12a  c6a */
 211     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p2); /* - - c12b  c6b */
 212     t3   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p3); /* - - c12c  c6c */
 213     t4   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p4); /* - - c12d  c6d */
 214
 215     t1   = _mm_unpacklo_ps(t1, t2);                     /* c12b c12a c6b c6a */
 216     t3   = _mm_unpacklo_ps(t3, t4);                     /* c12d c12c c6d c6c */
 217
 218     *c6  = _mm256_castps128_ps256(_mm_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)));
 219     *c12 = _mm256_castps128_ps256(_mm_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)));
 220 }
 221
 222 static gmx_inline void gmx_simdcall
 223 gmx_mm256_load_8pair_swizzle_ps(const float * gmx_restrict p1, const float * gmx_restrict p2,
 224                                 const float * gmx_restrict p3, const float * gmx_restrict p4,
 225                                 const float * gmx_restrict p5, const float * gmx_restrict p6,
 226                                 const float * gmx_restrict p7, const float * gmx_restrict p8,
 227                                 __m256 * gmx_restrict c6, __m256 * gmx_restrict c12)
 228 {
 229     __m256 c6l, c6h, c12l, c12h;
 230
 231     gmx_mm256_load_4pair_swizzle_ps(p1, p2, p3, p4, &c6l, &c12l);
 232     gmx_mm256_load_4pair_swizzle_ps(p5, p6, p7, p8, &c6h, &c12h);
 233
 234     *c6  = _mm256_permute2f128_ps(c6l, c6h, 0x20);
 235     *c12 = _mm256_permute2f128_ps(c12l, c12h, 0x20);
 236 }
 237
 238
 239 static gmx_inline void gmx_simdcall
 240 gmx_mm256_load_shift_and_1rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 241                                             const float * gmx_restrict xyz,
 242                                             __m256 * gmx_restrict      x1,
 243                                             __m256 * gmx_restrict      y1,
 244                                             __m256 * gmx_restrict      z1)
 245 {
 246     __m128 t1, t2, t3, t4;
 247
 248     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 249     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz);
 250     t3   = _mm_load_ss(xyz_shift+2);
 251     t4   = _mm_load_ss(xyz+2);
 252     t1   = _mm_add_ps(t1, t2);
 253     t3   = _mm_add_ss(t3, t4);
 254
 255     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 256     t1   = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 257     t3   = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 258
 259     *x1  = gmx_mm256_set_m128(t1, t1);
 260     *y1  = gmx_mm256_set_m128(t2, t2);
 261     *z1  = gmx_mm256_set_m128(t3, t3);
 262 }
 263
 264
 265 static gmx_inline void gmx_simdcall
 266 gmx_mm256_load_shift_and_3rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 267                                             const float * gmx_restrict xyz,
 268                                             __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 269                                             __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 270                                             __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3)
 271 {
 272     __m128 tA, tB;
 273     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9;
 274
 275     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 276     tB   = _mm_load_ss(xyz_shift+2);
 277
 278     t1   = _mm_loadu_ps(xyz);
 279     t2   = _mm_loadu_ps(xyz+4);
 280     t3   = _mm_load_ss(xyz+8);
 281
 282     tA   = _mm_movelh_ps(tA, tB);
 283     t4   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 2, 1, 0));
 284     t5   = _mm_permute_ps(tA, _MM_SHUFFLE(1, 0, 2, 1));
 285     t6   = _mm_permute_ps(tA, _MM_SHUFFLE(2, 1, 0, 2));
 286
 287     t1   = _mm_add_ps(t1, t4);
 288     t2   = _mm_add_ps(t2, t5);
 289     t3   = _mm_add_ss(t3, t6);
 290
 291     t9   = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 292     t8   = _mm_permute_ps(t2, _MM_SHUFFLE(3, 3, 3, 3));
 293     t7   = _mm_permute_ps(t2, _MM_SHUFFLE(2, 2, 2, 2));
 294     t6   = _mm_permute_ps(t2, _MM_SHUFFLE(1, 1, 1, 1));
 295     t5   = _mm_permute_ps(t2, _MM_SHUFFLE(0, 0, 0, 0));
 296     t4   = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 297     t3   = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 298     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 299     t1   = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 300
 301     *x1  = gmx_mm256_set_m128(t1, t1);
 302     *y1  = gmx_mm256_set_m128(t2, t2);
 303     *z1  = gmx_mm256_set_m128(t3, t3);
 304     *x2  = gmx_mm256_set_m128(t4, t4);
 305     *y2  = gmx_mm256_set_m128(t5, t5);
 306     *z2  = gmx_mm256_set_m128(t6, t6);
 307     *x3  = gmx_mm256_set_m128(t7, t7);
 308     *y3  = gmx_mm256_set_m128(t8, t8);
 309     *z3  = gmx_mm256_set_m128(t9, t9);
 310 }
 311
 312
 313 static gmx_inline void gmx_simdcall
 314 gmx_mm256_load_shift_and_4rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 315                                             const float * gmx_restrict xyz,
 316                                             __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 317                                             __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 318                                             __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3,
 319                                             __m256 * gmx_restrict x4, __m256 * gmx_restrict y4, __m256 * gmx_restrict z4)
 320 {
 321     __m128 tA, tB;
 322     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 323
 324     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 325     tB   = _mm_load_ss(xyz_shift+2);
 326
 327     t1   = _mm_loadu_ps(xyz);
 328     t2   = _mm_loadu_ps(xyz+4);
 329     t3   = _mm_loadu_ps(xyz+8);
 330
 331     tA   = _mm_movelh_ps(tA, tB);
 332     t4   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 2, 1, 0));
 333     t5   = _mm_permute_ps(tA, _MM_SHUFFLE(1, 0, 2, 1));
 334     t6   = _mm_permute_ps(tA, _MM_SHUFFLE(2, 1, 0, 2));
 335
 336     t1   = _mm_add_ps(t1, t4);
 337     t2   = _mm_add_ps(t2, t5);
 338     t3   = _mm_add_ps(t3, t6);
 339
 340     t12  = _mm_permute_ps(t3, _MM_SHUFFLE(3, 3, 3, 3));
 341     t11  = _mm_permute_ps(t3, _MM_SHUFFLE(2, 2, 2, 2));
 342     t10  = _mm_permute_ps(t3, _MM_SHUFFLE(1, 1, 1, 1));
 343     t9   = _mm_permute_ps(t3, _MM_SHUFFLE(0, 0, 0, 0));
 344     t8   = _mm_permute_ps(t2, _MM_SHUFFLE(3, 3, 3, 3));
 345     t7   = _mm_permute_ps(t2, _MM_SHUFFLE(2, 2, 2, 2));
 346     t6   = _mm_permute_ps(t2, _MM_SHUFFLE(1, 1, 1, 1));
 347     t5   = _mm_permute_ps(t2, _MM_SHUFFLE(0, 0, 0, 0));
 348     t4   = _mm_permute_ps(t1, _MM_SHUFFLE(3, 3, 3, 3));
 349     t3   = _mm_permute_ps(t1, _MM_SHUFFLE(2, 2, 2, 2));
 350     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
 351     t1   = _mm_permute_ps(t1, _MM_SHUFFLE(0, 0, 0, 0));
 352
 353     *x1  = gmx_mm256_set_m128(t1, t1);
 354     *y1  = gmx_mm256_set_m128(t2, t2);
 355     *z1  = gmx_mm256_set_m128(t3, t3);
 356     *x2  = gmx_mm256_set_m128(t4, t4);
 357     *y2  = gmx_mm256_set_m128(t5, t5);
 358     *z2  = gmx_mm256_set_m128(t6, t6);
 359     *x3  = gmx_mm256_set_m128(t7, t7);
 360     *y3  = gmx_mm256_set_m128(t8, t8);
 361     *z3  = gmx_mm256_set_m128(t9, t9);
 362     *x4  = gmx_mm256_set_m128(t10, t10);
 363     *y4  = gmx_mm256_set_m128(t11, t11);
 364     *z4  = gmx_mm256_set_m128(t12, t12);
 365 }
 366
 367
 368
 369 static gmx_inline void gmx_simdcall
 370 gmx_mm256_load_1rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 371                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 372                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1)
 373 {
 374     __m128  t1, t2, t3, t4;
 375     __m128i mask = _mm_set_epi32(0, -1, -1, -1);
 376     t1             = gmx_mm_maskload_ps(ptrA, mask);
 377     t2             = gmx_mm_maskload_ps(ptrB, mask);
 378     t3             = gmx_mm_maskload_ps(ptrC, mask);
 379     t4             = gmx_mm_maskload_ps(ptrD, mask);
 380     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 381     *x1           = _mm256_castps128_ps256(t1);
 382     *y1           = _mm256_castps128_ps256(t2);
 383     *z1           = _mm256_castps128_ps256(t3);
 384 }
 385
 386
 387 static gmx_inline void gmx_simdcall
 388 gmx_mm256_load_3rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 389                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 390                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 391                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 392                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3)
 393 {
 394     __m128 t1, t2, t3, t4;
 395     t1            = _mm_loadu_ps(ptrA);
 396     t2            = _mm_loadu_ps(ptrB);
 397     t3            = _mm_loadu_ps(ptrC);
 398     t4            = _mm_loadu_ps(ptrD);
 399     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 400     *x1           = _mm256_castps128_ps256(t1);
 401     *y1           = _mm256_castps128_ps256(t2);
 402     *z1           = _mm256_castps128_ps256(t3);
 403     *x2           = _mm256_castps128_ps256(t4);
 404     t1            = _mm_loadu_ps(ptrA+4);
 405     t2            = _mm_loadu_ps(ptrB+4);
 406     t3            = _mm_loadu_ps(ptrC+4);
 407     t4            = _mm_loadu_ps(ptrD+4);
 408     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 409     *y2           = _mm256_castps128_ps256(t1);
 410     *z2           = _mm256_castps128_ps256(t2);
 411     *x3           = _mm256_castps128_ps256(t3);
 412     *y3           = _mm256_castps128_ps256(t4);
 413     t1            = _mm_load_ss(ptrA+8);
 414     t2            = _mm_load_ss(ptrB+8);
 415     t3            = _mm_load_ss(ptrC+8);
 416     t4            = _mm_load_ss(ptrD+8);
 417     t1            = _mm_unpacklo_ps(t1, t3);
 418     t3            = _mm_unpacklo_ps(t2, t4);
 419     *z3           = _mm256_castps128_ps256(_mm_unpacklo_ps(t1, t3));
 420 }
 421
 422
 423
 424 static gmx_inline void gmx_simdcall
 425 gmx_mm256_load_4rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 426                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 427                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 428                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 429                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3,
 430                                      __m256 * gmx_restrict x4, __m256 * gmx_restrict y4, __m256 * gmx_restrict z4)
 431 {
 432     __m128 t1, t2, t3, t4;
 433     t1            = _mm_loadu_ps(ptrA);
 434     t2            = _mm_loadu_ps(ptrB);
 435     t3            = _mm_loadu_ps(ptrC);
 436     t4            = _mm_loadu_ps(ptrD);
 437     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 438     *x1           = _mm256_castps128_ps256(t1);
 439     *y1           = _mm256_castps128_ps256(t2);
 440     *z1           = _mm256_castps128_ps256(t3);
 441     *x2           = _mm256_castps128_ps256(t4);
 442     t1            = _mm_loadu_ps(ptrA+4);
 443     t2            = _mm_loadu_ps(ptrB+4);
 444     t3            = _mm_loadu_ps(ptrC+4);
 445     t4            = _mm_loadu_ps(ptrD+4);
 446     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 447     *y2           = _mm256_castps128_ps256(t1);
 448     *z2           = _mm256_castps128_ps256(t2);
 449     *x3           = _mm256_castps128_ps256(t3);
 450     *y3           = _mm256_castps128_ps256(t4);
 451     t1            = _mm_loadu_ps(ptrA+8);
 452     t2            = _mm_loadu_ps(ptrB+8);
 453     t3            = _mm_loadu_ps(ptrC+8);
 454     t4            = _mm_loadu_ps(ptrD+8);
 455     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 456     *z3           = _mm256_castps128_ps256(t1);
 457     *x4           = _mm256_castps128_ps256(t2);
 458     *y4           = _mm256_castps128_ps256(t3);
 459     *z4           = _mm256_castps128_ps256(t4);
 460 }
 461
 462
 463 static gmx_inline void gmx_simdcall
 464 gmx_mm256_load_1rvec_8ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 465                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 466                                      const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 467                                      const float * gmx_restrict ptrG, const float * gmx_restrict ptrH,
 468                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1)
 469 {
 470     __m256  t1, t2, t3, t4, t5, t6, t7, t8;
 471     __m128i mask = _mm_set_epi32(0, -1, -1, -1);
 472
 473     t1             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrE, mask), gmx_mm_maskload_ps(ptrA, mask)); /*  - zE yE xE |  - zA yA xA */
 474     t2             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrF, mask), gmx_mm_maskload_ps(ptrB, mask)); /*  - zF yF xF |  - zB yB xB */
 475     t3             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrG, mask), gmx_mm_maskload_ps(ptrC, mask)); /*  - zG yG xG |  - zC yC xC */
 476     t4             = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrH, mask), gmx_mm_maskload_ps(ptrD, mask)); /*  - zH yH xH |  - zD yD xD */
 477
 478     t5            = _mm256_unpacklo_ps(t1, t2);                                                          /* yF yE xF xE | yB yA xB xA */
 479     t6            = _mm256_unpacklo_ps(t3, t4);                                                          /* yH yG xH xG | yD yC xD xC */
 480     t7            = _mm256_unpackhi_ps(t1, t2);                                                          /*  -  - zF zE |  -  - zB zA */
 481     t8            = _mm256_unpackhi_ps(t3, t4);                                                          /*  -  - zH zG |  -  - zD zC */
 482
 483     *x1           = _mm256_shuffle_ps(t5, t6, _MM_SHUFFLE(1, 0, 1, 0));
 484     *y1           = _mm256_shuffle_ps(t5, t6, _MM_SHUFFLE(3, 2, 3, 2));
 485     *z1           = _mm256_shuffle_ps(t7, t8, _MM_SHUFFLE(1, 0, 1, 0));
 486 }
 487
 488
 489 static gmx_inline void gmx_simdcall
 490 gmx_mm256_load_3rvec_8ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 491                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 492                                      const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 493                                      const float * gmx_restrict ptrG, const float * gmx_restrict ptrH,
 494                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 495                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 496                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3)
 497 {
 498     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 499
 500     t1           = _mm256_loadu_ps(ptrA);                                /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 501     t2           = _mm256_loadu_ps(ptrB);                                /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 502     t3           = _mm256_loadu_ps(ptrC);                                /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 503     t4           = _mm256_loadu_ps(ptrD);                                /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 504     t5           = _mm256_loadu_ps(ptrE);                                /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 505     t6           = _mm256_loadu_ps(ptrF);                                /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 506     t7           = _mm256_loadu_ps(ptrG);                                /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 507     t8           = _mm256_loadu_ps(ptrH);                                /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 508
 509     t9           = _mm256_unpacklo_ps(t1, t2);                           /* z2b z2a y2b y2a | y1b y1a x1b x1a */
 510     t10          = _mm256_unpackhi_ps(t1, t2);                           /* y3b y3a x3b x3a | x2b x2a z1b z1a */
 511     t11          = _mm256_unpacklo_ps(t3, t4);                           /* z2d z2c y2d y2c | y1d y1c x1d x1c */
 512     t12          = _mm256_unpackhi_ps(t3, t4);                           /* y3d y3c x3d x3c | x2d x2c z1d z1c */
 513     t1           = _mm256_unpacklo_ps(t5, t6);                           /* z2f z2e y2f y2e | y1f y1e x1f x1e */
 514     t2           = _mm256_unpackhi_ps(t5, t6);                           /* y3f y3e x3f x3e | x2f x2e z1f z1e */
 515     t3           = _mm256_unpacklo_ps(t7, t8);                           /* z2h z2g y2h y2g | y1h y1g x1h x1g */
 516     t4           = _mm256_unpackhi_ps(t7, t8);                           /* y3h y3g x3h x3g | x2h x2g z1h z1g */
 517
 518     t5           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(1, 0, 1, 0));  /* y2d y2c y2b y2a | x1d x1c x1b x1a */
 519     t6           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(3, 2, 3, 2));  /* z2d z2c z2b z2a | y1d y1c y1b y1a */
 520     t7           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(1, 0, 1, 0)); /* x3d x3c x3b x3a | z1d z1c z1b z1a */
 521     t8           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(3, 2, 3, 2)); /* y3d y3c y3b y3a | x2d x2c x2b x2a */
 522
 523     t9           = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0));   /* y2h y2g y2f y2e | x1h x1g x1f x1e */
 524     t10          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2));   /* z2h z2g z2f z2e | y1h y1g y1f y1e */
 525     t11          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0));   /* x3h x3g x3f x3e | z1h z1g z1f z1e */
 526     t12          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2));   /* y3h y3g y3f y3e | x2h x2g x2f x2e */
 527
 528     *x1          = _mm256_permute2f128_ps(t5, t9,  0x20);
 529     *y1          = _mm256_permute2f128_ps(t6, t10, 0x20);
 530     *z1          = _mm256_permute2f128_ps(t7, t11, 0x20);
 531     *x2          = _mm256_permute2f128_ps(t8, t12, 0x20);
 532
 533     *y2          = _mm256_permute2f128_ps(t5, t9,  0x31);
 534     *z2          = _mm256_permute2f128_ps(t6, t10, 0x31);
 535     *x3          = _mm256_permute2f128_ps(t7, t11, 0x31);
 536     *y3          = _mm256_permute2f128_ps(t8, t12, 0x31);
 537
 538     t1           = gmx_mm256_set_m128(_mm_load_ss(ptrE+8), _mm_load_ss(ptrA+8));
 539     t2           = gmx_mm256_set_m128(_mm_load_ss(ptrF+8), _mm_load_ss(ptrB+8));
 540     t3           = gmx_mm256_set_m128(_mm_load_ss(ptrG+8), _mm_load_ss(ptrC+8));
 541     t4           = gmx_mm256_set_m128(_mm_load_ss(ptrH+8), _mm_load_ss(ptrD+8));
 542
 543     t1           = _mm256_unpacklo_ps(t1, t3);  /*  -   -  z3g z3e |  -   -  z3c z3a */
 544     t2           = _mm256_unpacklo_ps(t2, t4);  /*  -   -  z3h z3f |  -   -  z3d z3b */
 545
 546     *z3          = _mm256_unpacklo_ps(t1, t2);
 547 }
 548
 549
 550
 551 static gmx_inline void gmx_simdcall
 552 gmx_mm256_load_4rvec_8ptr_swizzle_ps(const float * gmx_restrict ptrA, const float * gmx_restrict ptrB,
 553                                      const float * gmx_restrict ptrC, const float * gmx_restrict ptrD,
 554                                      const float * gmx_restrict ptrE, const float * gmx_restrict ptrF,
 555                                      const float * gmx_restrict ptrG, const float * gmx_restrict ptrH,
 556                                      __m256 * gmx_restrict x1, __m256 * gmx_restrict y1, __m256 * gmx_restrict z1,
 557                                      __m256 * gmx_restrict x2, __m256 * gmx_restrict y2, __m256 * gmx_restrict z2,
 558                                      __m256 * gmx_restrict x3, __m256 * gmx_restrict y3, __m256 * gmx_restrict z3,
 559                                      __m256 * gmx_restrict x4, __m256 * gmx_restrict y4, __m256 * gmx_restrict z4)
 560 {
 561     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 562
 563     t1           = _mm256_loadu_ps(ptrA);                                /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 564     t2           = _mm256_loadu_ps(ptrB);                                /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 565     t3           = _mm256_loadu_ps(ptrC);                                /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 566     t4           = _mm256_loadu_ps(ptrD);                                /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 567     t5           = _mm256_loadu_ps(ptrE);                                /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 568     t6           = _mm256_loadu_ps(ptrF);                                /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 569     t7           = _mm256_loadu_ps(ptrG);                                /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 570     t8           = _mm256_loadu_ps(ptrH);                                /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 571
 572     t9           = _mm256_unpacklo_ps(t1, t2);                           /* z2b z2a y2b y2a | y1b y1a x1b x1a */
 573     t10          = _mm256_unpackhi_ps(t1, t2);                           /* y3b y3a x3b x3a | x2b x2a z1b z1a */
 574     t11          = _mm256_unpacklo_ps(t3, t4);                           /* z2d z2c y2d y2c | y1d y1c x1d x1c */
 575     t12          = _mm256_unpackhi_ps(t3, t4);                           /* y3d y3c x3d x3c | x2d x2c z1d z1c */
 576     t1           = _mm256_unpacklo_ps(t5, t6);                           /* z2f z2e y2f y2e | y1f y1e x1f x1e */
 577     t2           = _mm256_unpackhi_ps(t5, t6);                           /* y3f y3e x3f x3e | x2f x2e z1f z1e */
 578     t3           = _mm256_unpacklo_ps(t7, t8);                           /* z2h z2g y2h y2g | y1h y1g x1h x1g */
 579     t4           = _mm256_unpackhi_ps(t7, t8);                           /* y3h y3g x3h x3g | x2h x2g z1h z1g */
 580
 581     t5           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(1, 0, 1, 0));  /* y2d y2c y2b y2a | x1d x1c x1b x1a */
 582     t6           = _mm256_shuffle_ps(t9, t11, _MM_SHUFFLE(3, 2, 3, 2));  /* z2d z2c z2b z2a | y1d y1c y1b y1a */
 583     t7           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(1, 0, 1, 0)); /* x3d x3c x3b x3a | z1d z1c z1b z1a */
 584     t8           = _mm256_shuffle_ps(t10, t12, _MM_SHUFFLE(3, 2, 3, 2)); /* y3d y3c y3b y3a | x2d x2c x2b x2a */
 585     t9           = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0));   /* y2h y2g y2f y2e | x1h x1g x1f x1e */
 586     t10          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2));   /* z2h z2g z2f z2e | y1h y1g y1f y1e */
 587     t11          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0));   /* x3h x3g x3f x3e | z1h z1g z1f z1e */
 588     t12          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2));   /* y3h y3g y3f y3e | x2h x2g x2f x2e */
 589
 590     *x1          = _mm256_permute2f128_ps(t5, t9,  0x20);
 591     *y1          = _mm256_permute2f128_ps(t6, t10, 0x20);
 592     *z1          = _mm256_permute2f128_ps(t7, t11, 0x20);
 593     *x2          = _mm256_permute2f128_ps(t8, t12, 0x20);
 594
 595     *y2          = _mm256_permute2f128_ps(t5, t9,  0x31);
 596     *z2          = _mm256_permute2f128_ps(t6, t10, 0x31);
 597     *x3          = _mm256_permute2f128_ps(t7, t11, 0x31);
 598     *y3          = _mm256_permute2f128_ps(t8, t12, 0x31);
 599
 600     t1           = gmx_mm256_set_m128(_mm_loadu_ps(ptrE+8), _mm_loadu_ps(ptrA+8)); /* z4e y4e x4e z3e | z4a y4a x4a z3a */
 601     t2           = gmx_mm256_set_m128(_mm_loadu_ps(ptrF+8), _mm_loadu_ps(ptrB+8)); /* z4f y4f x4f z3f | z4b y4b x4b z3b */
 602     t3           = gmx_mm256_set_m128(_mm_loadu_ps(ptrG+8), _mm_loadu_ps(ptrC+8)); /* z4g y4g x4g z3g | z4c y4c x4c z3c */
 603     t4           = gmx_mm256_set_m128(_mm_loadu_ps(ptrH+8), _mm_loadu_ps(ptrD+8)); /* z4h y4h x4h z3h | z4d y4d x4d z3d */
 604
 605     t5           = _mm256_unpacklo_ps(t1, t2);                                     /* x4f x4e z3f z3e | x4b x4a z3b z3a */
 606     t6           = _mm256_unpackhi_ps(t1, t2);                                     /* z4f z4e y4f y4e | z4b z4a y4b y4a */
 607     t7           = _mm256_unpacklo_ps(t3, t4);                                     /* x4h x4g z3h z3g | x4d x4c z3d z3c */
 608     t8           = _mm256_unpackhi_ps(t3, t4);                                     /* z4h z4g y4h y4g | z4d z4c y4d y4c */
 609
 610     *z3          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0));             /* z3h z3g z3f z3e | z3d z3c z3b z3a */
 611     *x4          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2));             /* x4h x4g x4f x4e | x4d x4c x4b x4a */
 612     *y4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0));             /* y4h y4g y4f y4e | y4d y4c y4b y4a */
 613     *z4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2));             /* z4h z4g z4f z4e | z4d z4c z4b z4a */
 614 }
 615
 616
 617 static gmx_inline void gmx_simdcall
 618 gmx_mm256_decrement_1rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 619                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 620                                           __m256 x1, __m256 y1, __m256 z1)
 621 {
 622     __m128  t1, t2, t3, t4, t5, t6, t7, t8;
 623     __m128i mask;
 624
 625     /* Construct a mask without executing any data loads */
 626     mask        = _mm_blend_epi16(_mm_setzero_si128(), _mm_cmpeq_epi16(_mm_setzero_si128(), _mm_setzero_si128()), 0x3F);
 627
 628     t3          = _mm_unpacklo_ps(_mm256_castps256_ps128(x1), _mm256_castps256_ps128(y1)); /* y1b x1b y1a x1a */
 629     t4          = _mm_unpackhi_ps(_mm256_castps256_ps128(x1), _mm256_castps256_ps128(y1)); /* y1d x1d y1c x1c */
 630
 631     t1          = _mm_shuffle_ps(t3, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 0, 1, 0)); /*  -  z1a y1a x1a */
 632     t2          = _mm_shuffle_ps(t3, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 1, 3, 2)); /*  -  z1b y1b x1b */
 633     t3          = _mm_shuffle_ps(t4, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 2, 1, 0)); /*  -  z1c y1c x1c */
 634     t4          = _mm_shuffle_ps(t4, _mm256_castps256_ps128(z1), _MM_SHUFFLE(0, 3, 3, 2)); /*  -  z1d y1d x1d */
 635
 636     t5          = gmx_mm_maskload_ps(ptrA, mask);
 637     t6          = gmx_mm_maskload_ps(ptrB, mask);
 638     t7          = gmx_mm_maskload_ps(ptrC, mask);
 639     t8          = gmx_mm_maskload_ps(ptrD, mask);
 640
 641     t5          = _mm_sub_ps(t5, t1);
 642     t6          = _mm_sub_ps(t6, t2);
 643     t7          = _mm_sub_ps(t7, t3);
 644     t8          = _mm_sub_ps(t8, t4);
 645
 646     gmx_mm_maskstore_ps(ptrA, mask, t5);
 647     gmx_mm_maskstore_ps(ptrB, mask, t6);
 648     gmx_mm_maskstore_ps(ptrC, mask, t7);
 649     gmx_mm_maskstore_ps(ptrD, mask, t8);
 650 }
 651
 652
 653 static gmx_inline void gmx_simdcall
 654 gmx_mm256_decrement_3rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 655                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 656                                           __m256 x1, __m256 y1, __m256 z1,
 657                                           __m256 x2, __m256 y2, __m256 z2,
 658                                           __m256 x3, __m256 y3, __m256 z3)
 659 {
 660     __m256 t1, t2, t3, t4, t5, t6;
 661     __m128 tA, tB, tC, tD;
 662
 663     t1          = _mm256_loadu_ps(ptrA);
 664     t2          = _mm256_loadu_ps(ptrB);
 665     t3          = _mm256_loadu_ps(ptrC);
 666     t4          = _mm256_loadu_ps(ptrD);
 667     tA          = _mm_load_ss(ptrA+8);
 668     tB          = _mm_load_ss(ptrB+8);
 669     tC          = _mm_load_ss(ptrC+8);
 670     tD          = _mm_load_ss(ptrD+8);
 671
 672     t5          = _mm256_unpacklo_ps(x1, y1);                                /* - - - - | y1b x1b y1a x1a */
 673     x1          = _mm256_unpackhi_ps(x1, y1);                                /* - - - - | y1d x1d y1c x1c */
 674     y1          = _mm256_unpacklo_ps(z1, x2);                                /* - - - - | x2b z1b x2a z1a */
 675     z1          = _mm256_unpackhi_ps(z1, x2);                                /* - - - - | x2d z1d x2c z1c */
 676
 677     x2          = _mm256_unpacklo_ps(y2, z2);                                /* - - - - | z2b y2b z2a y2a */
 678     y2          = _mm256_unpackhi_ps(y2, z2);                                /* - - - - | z2d y2d z2c y2c */
 679     t6          = _mm256_unpacklo_ps(x3, y3);                                /* - - - - | y3b x3b y3a x3a */
 680     x3          = _mm256_unpackhi_ps(x3, y3);                                /* - - - - | y3d x3d y3c x3c */
 681
 682     t5          = _mm256_insertf128_ps(t5, _mm256_castps256_ps128(x2), 0x1); /* z2b y2b z2a y2a | y1b x1b y1a x1a */
 683     x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1); /* z2d y2d z2c y2c | y1d x1d y1c x1c */
 684
 685     y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(t6), 0x1); /* y3b x3b y3a x3a | x2b z1b x2a z1a */
 686     z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1); /* y3d x3d y3c x3c | x2d z1d x2c z1c */
 687
 688     z2          = _mm256_shuffle_ps(t5, y1, _MM_SHUFFLE(1, 0, 1, 0));        /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 689     t5          = _mm256_shuffle_ps(t5, y1, _MM_SHUFFLE(3, 2, 3, 2));        /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 690     y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0));        /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 691     x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2));        /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 692
 693     t1          = _mm256_sub_ps(t1, z2);
 694     t2          = _mm256_sub_ps(t2, t5);
 695     t3          = _mm256_sub_ps(t3, y1);
 696     t4          = _mm256_sub_ps(t4, x1);
 697
 698     tA          = _mm_sub_ss(tA, _mm256_castps256_ps128(z3));
 699     tB          = _mm_sub_ss(tB, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(1, 1, 1, 1)));
 700     tC          = _mm_sub_ss(tC, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(2, 2, 2, 2)));
 701     tD          = _mm_sub_ss(tD, _mm_permute_ps(_mm256_castps256_ps128(z3), _MM_SHUFFLE(3, 3, 3, 3)));
 702
 703     /* Here we store a full 256-bit value and a separate 32-bit one; no overlap can happen */
 704     _mm256_storeu_ps(ptrA, t1);
 705     _mm256_storeu_ps(ptrB, t2);
 706     _mm256_storeu_ps(ptrC, t3);
 707     _mm256_storeu_ps(ptrD, t4);
 708     _mm_store_ss(ptrA+8, tA);
 709     _mm_store_ss(ptrB+8, tB);
 710     _mm_store_ss(ptrC+8, tC);
 711     _mm_store_ss(ptrD+8, tD);
 712 }
 713
 714
 715 static gmx_inline void gmx_simdcall
 716 gmx_mm256_decrement_4rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 717                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 718                                           __m256 x1, __m256 y1, __m256 z1,
 719                                           __m256 x2, __m256 y2, __m256 z2,
 720                                           __m256 x3, __m256 y3, __m256 z3,
 721                                           __m256 x4, __m256 y4, __m256 z4)
 722 {
 723     __m256 t1, t2, t3, t4, t5;
 724     __m128 tA, tB, tC, tD, tE, tF, tG, tH;
 725
 726     t1          = _mm256_loadu_ps(ptrA);
 727     t2          = _mm256_loadu_ps(ptrB);
 728     t3          = _mm256_loadu_ps(ptrC);
 729     t4          = _mm256_loadu_ps(ptrD);
 730     tA          = _mm_loadu_ps(ptrA+8);
 731     tB          = _mm_loadu_ps(ptrB+8);
 732     tC          = _mm_loadu_ps(ptrC+8);
 733     tD          = _mm_loadu_ps(ptrD+8);
 734
 735     t5          = _mm256_unpacklo_ps(x1, y1);                                                                      /* - - - - | y1b x1b y1a x1a */
 736     x1          = _mm256_unpackhi_ps(x1, y1);                                                                      /* - - - - | y1d x1d y1c x1c */
 737     y1          = _mm256_unpacklo_ps(z1, x2);                                                                      /* - - - - | x2b z1b x2a z1a */
 738     z1          = _mm256_unpackhi_ps(z1, x2);                                                                      /* - - - - | x2d z1d x2c z1c */
 739
 740     x2          = _mm256_unpacklo_ps(y2, z2);                                                                      /* - - - - | z2b y2b z2a y2a */
 741     y2          = _mm256_unpackhi_ps(y2, z2);                                                                      /* - - - - | z2d y2d z2c y2c */
 742     z2          = _mm256_unpacklo_ps(x3, y3);                                                                      /* - - - - | y3b x3b y3a x3a */
 743     x3          = _mm256_unpackhi_ps(x3, y3);                                                                      /* - - - - | y3d x3d y3c x3c */
 744
 745     y3          = _mm256_unpacklo_ps(z3, x4);                                                                      /* - - - - | x4b z3b x4a z3a */
 746     z3          = _mm256_unpackhi_ps(z3, x4);                                                                      /* - - - - | x4d z3d x4c z3c */
 747     x4          = _mm256_unpacklo_ps(y4, z4);                                                                      /* - - - - | z4b y4b z4a y4a */
 748     y4          = _mm256_unpackhi_ps(y4, z4);                                                                      /* - - - - | z4d y4d z4c y4c */
 749
 750     x2          = _mm256_insertf128_ps(t5, _mm256_castps256_ps128(x2), 0x1);                                       /* z2b y2b z2a y2a | y1b x1b y1a x1a */
 751     x1          = _mm256_insertf128_ps(x1, _mm256_castps256_ps128(y2), 0x1);                                       /* z2d y2d z2c y2c | y1d x1d y1c x1c */
 752     y1          = _mm256_insertf128_ps(y1, _mm256_castps256_ps128(z2), 0x1);                                       /* y3b x3b y3a x3a | x2b z1b x2a z1a */
 753     z1          = _mm256_insertf128_ps(z1, _mm256_castps256_ps128(x3), 0x1);                                       /* y3d x3d y3c x3c | x2d z1d x2c z1c */
 754
 755     z2          = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(1, 0, 1, 0));                                              /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 756     t5          = _mm256_shuffle_ps(x2, y1, _MM_SHUFFLE(3, 2, 3, 2));                                              /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 757     y1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(1, 0, 1, 0));                                              /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 758     x1          = _mm256_shuffle_ps(x1, z1, _MM_SHUFFLE(3, 2, 3, 2));                                              /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 759
 760     tE          = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(1, 0, 1, 0)); /* z4a y4a x4a z3a */
 761     tF          = _mm_shuffle_ps(_mm256_castps256_ps128(y3), _mm256_castps256_ps128(x4), _MM_SHUFFLE(3, 2, 3, 2)); /* z4b y4b x4b z3b */
 762
 763     tG          = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(1, 0, 1, 0)); /* z4c y4c x4c z3c */
 764     tH          = _mm_shuffle_ps(_mm256_castps256_ps128(z3), _mm256_castps256_ps128(y4), _MM_SHUFFLE(3, 2, 3, 2)); /* z4d y4d x4d z3d */
 765
 766     t1          = _mm256_sub_ps(t1, z2);
 767     t2          = _mm256_sub_ps(t2, t5);
 768     t3          = _mm256_sub_ps(t3, y1);
 769     t4          = _mm256_sub_ps(t4, x1);
 770
 771     tA          = _mm_sub_ps(tA, tE);
 772     tB          = _mm_sub_ps(tB, tF);
 773     tC          = _mm_sub_ps(tC, tG);
 774     tD          = _mm_sub_ps(tD, tH);
 775
 776     /* Here we store a full 256-bit value and a separate 128-bit one; no overlap can happen */
 777     _mm256_storeu_ps(ptrA, t1);
 778     _mm256_storeu_ps(ptrB, t2);
 779     _mm256_storeu_ps(ptrC, t3);
 780     _mm256_storeu_ps(ptrD, t4);
 781     _mm_storeu_ps(ptrA+8, tA);
 782     _mm_storeu_ps(ptrB+8, tB);
 783     _mm_storeu_ps(ptrC+8, tC);
 784     _mm_storeu_ps(ptrD+8, tD);
 785 }
 786
 787
 788 static gmx_inline void gmx_simdcall
 789 gmx_mm256_decrement_1rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 790                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 791                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 792                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 793                                           __m256 x1, __m256 y1, __m256 z1)
 794 {
 795     __m256  t1, t2, t3, t4, t5, t6;
 796     __m256  tA, tB, tC, tD;
 797     __m128i mask;
 798
 799     /* Construct a mask without executing any data loads */
 800     mask        = _mm_blend_epi16(_mm_setzero_si128(), _mm_cmpeq_epi16(_mm_setzero_si128(), _mm_setzero_si128()), 0x3F);
 801
 802     tA          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrE, mask), gmx_mm_maskload_ps(ptrA, mask));
 803     tB          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrF, mask), gmx_mm_maskload_ps(ptrB, mask));
 804     tC          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrG, mask), gmx_mm_maskload_ps(ptrC, mask));
 805     tD          = gmx_mm256_set_m128(gmx_mm_maskload_ps(ptrH, mask), gmx_mm_maskload_ps(ptrD, mask));
 806     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
 807     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
 808
 809     t3          = _mm256_shuffle_ps(t1, z1, _MM_SHUFFLE(0, 0, 1, 0)); /*  -  z1e y1e x1e |  - z1a y1a x1a */
 810     t4          = _mm256_shuffle_ps(t1, z1, _MM_SHUFFLE(0, 1, 3, 2)); /*  -  z1f y1f x1f |  - z1b y1b x1b */
 811     t5          = _mm256_shuffle_ps(t2, z1, _MM_SHUFFLE(0, 2, 1, 0)); /*  -  z1g y1g x1g |  - z1c y1c x1c */
 812     t6          = _mm256_shuffle_ps(t2, z1, _MM_SHUFFLE(0, 3, 3, 2)); /*  -  z1h y1h x1h |  - z1d y1d x1d */
 813
 814     tA          = _mm256_sub_ps(tA, t3);
 815     tB          = _mm256_sub_ps(tB, t4);
 816     tC          = _mm256_sub_ps(tC, t5);
 817     tD          = _mm256_sub_ps(tD, t6);
 818
 819     gmx_mm_maskstore_ps(ptrA, mask, _mm256_castps256_ps128(tA));
 820     gmx_mm_maskstore_ps(ptrB, mask, _mm256_castps256_ps128(tB));
 821     gmx_mm_maskstore_ps(ptrC, mask, _mm256_castps256_ps128(tC));
 822     gmx_mm_maskstore_ps(ptrD, mask, _mm256_castps256_ps128(tD));
 823     gmx_mm_maskstore_ps(ptrE, mask, _mm256_extractf128_ps(tA, 0x1));
 824     gmx_mm_maskstore_ps(ptrF, mask, _mm256_extractf128_ps(tB, 0x1));
 825     gmx_mm_maskstore_ps(ptrG, mask, _mm256_extractf128_ps(tC, 0x1));
 826     gmx_mm_maskstore_ps(ptrH, mask, _mm256_extractf128_ps(tD, 0x1));
 827 }
 828
 829
 830
 831 static gmx_inline void gmx_simdcall
 832 gmx_mm256_decrement_3rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 833                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 834                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 835                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 836                                           __m256 x1, __m256 y1, __m256 z1,
 837                                           __m256 x2, __m256 y2, __m256 z2,
 838                                           __m256 x3, __m256 y3, __m256 z3)
 839 {
 840     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 841     __m256 tA, tB, tC, tD, tE, tF, tG, tH;
 842     __m256 tI, tJ, tK, tL;
 843
 844     tA          = _mm256_loadu_ps(ptrA);
 845     tB          = _mm256_loadu_ps(ptrB);
 846     tC          = _mm256_loadu_ps(ptrC);
 847     tD          = _mm256_loadu_ps(ptrD);
 848     tE          = _mm256_loadu_ps(ptrE);
 849     tF          = _mm256_loadu_ps(ptrF);
 850     tG          = _mm256_loadu_ps(ptrG);
 851     tH          = _mm256_loadu_ps(ptrH);
 852
 853     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
 854     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
 855     t3          = _mm256_unpacklo_ps(z1, x2);                         /* x2f z1f x2e z1e | x2b z1b x2a z1a */
 856     t4          = _mm256_unpackhi_ps(z1, x2);                         /* x2h z1h x2g z1g | x2d z1d x2c z1c */
 857
 858     t5          = _mm256_unpacklo_ps(y2, z2);                         /* z2f y2f z2e y2e | z2b y2b z2a y2a */
 859     t6          = _mm256_unpackhi_ps(y2, z2);                         /* z2h y2h z2g y2g | z2d y2d z2c y2c */
 860     t7          = _mm256_unpacklo_ps(x3, y3);                         /* y3f x3f y3e x3e | y3b x3b y3a x3a */
 861     t8          = _mm256_unpackhi_ps(x3, y3);                         /* y3h x3h y3g x3g | y3d x3d y3c x3c */
 862
 863     t9          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* x2e z1e y1e x1e | x2a z1a y1a x1a */
 864     t10         = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* x2f z1f y1f x1f | x2b z1b y1b x1b */
 865     t11         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* x2g z1g y1g x1g | x2c z1c y1c x1c */
 866     t12         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* x2h z1h y1h x1h | x2d z1d y1d x1d */
 867
 868     t1          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0)); /* y3e x3e z2e y2e | y3a x3a z2a y2a */
 869     t2          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2)); /* y3f x3f z2f y2f | y3b x3b z2b y2b */
 870     t3          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0)); /* y3g x3g z2g y2g | y3c x3c z2c y2c */
 871     t4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2)); /* y3h x3h z2h y2h | y3d x3d z2d y2d */
 872
 873     t5          = gmx_mm256_unpack128lo_ps(t9, t1);                   /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 874     t6          = gmx_mm256_unpack128hi_ps(t9, t1);                   /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 875     t7          = gmx_mm256_unpack128lo_ps(t10, t2);                  /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 876     t8          = gmx_mm256_unpack128hi_ps(t10, t2);                  /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 877     t1          = gmx_mm256_unpack128lo_ps(t11, t3);                  /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 878     t2          = gmx_mm256_unpack128hi_ps(t11, t3);                  /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 879     t9          = gmx_mm256_unpack128lo_ps(t12, t4);                  /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 880     t10         = gmx_mm256_unpack128hi_ps(t12, t4);                  /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 881
 882     tA          = _mm256_sub_ps(tA, t5);
 883     tB          = _mm256_sub_ps(tB, t7);
 884     tC          = _mm256_sub_ps(tC, t1);
 885     tD          = _mm256_sub_ps(tD, t9);
 886     tE          = _mm256_sub_ps(tE, t6);
 887     tF          = _mm256_sub_ps(tF, t8);
 888     tG          = _mm256_sub_ps(tG, t2);
 889     tH          = _mm256_sub_ps(tH, t10);
 890
 891     _mm256_storeu_ps(ptrA, tA);
 892     _mm256_storeu_ps(ptrB, tB);
 893     _mm256_storeu_ps(ptrC, tC);
 894     _mm256_storeu_ps(ptrD, tD);
 895     _mm256_storeu_ps(ptrE, tE);
 896     _mm256_storeu_ps(ptrF, tF);
 897     _mm256_storeu_ps(ptrG, tG);
 898     _mm256_storeu_ps(ptrH, tH);
 899
 900     tI          = gmx_mm256_set_m128(_mm_load_ss(ptrE+8), _mm_load_ss(ptrA+8));
 901     tJ          = gmx_mm256_set_m128(_mm_load_ss(ptrF+8), _mm_load_ss(ptrB+8));
 902     tK          = gmx_mm256_set_m128(_mm_load_ss(ptrG+8), _mm_load_ss(ptrC+8));
 903     tL          = gmx_mm256_set_m128(_mm_load_ss(ptrH+8), _mm_load_ss(ptrD+8));
 904
 905     tI          = _mm256_unpacklo_ps(tI, tK);  /*  -  - zG zE |  -  - zC zA */
 906     tJ          = _mm256_unpacklo_ps(tJ, tL);  /*  -  - zH zF |  -  - zD zB */
 907     tI          = _mm256_unpacklo_ps(tI, tJ);  /* zH zG zF zE | zD zC zB zA */
 908
 909     tI          = _mm256_sub_ps(tI, z3);
 910     tJ          = _mm256_permute_ps(tI, _MM_SHUFFLE(1, 1, 1, 1));
 911     tK          = _mm256_permute_ps(tI, _MM_SHUFFLE(2, 2, 2, 2));
 912     tL          = _mm256_permute_ps(tI, _MM_SHUFFLE(3, 3, 3, 3));
 913
 914     _mm_store_ss(ptrA+8, _mm256_castps256_ps128(tI));
 915     _mm_store_ss(ptrB+8, _mm256_castps256_ps128(tJ));
 916     _mm_store_ss(ptrC+8, _mm256_castps256_ps128(tK));
 917     _mm_store_ss(ptrD+8, _mm256_castps256_ps128(tL));
 918     _mm_store_ss(ptrE+8, _mm256_extractf128_ps(tI, 0x1));
 919     _mm_store_ss(ptrF+8, _mm256_extractf128_ps(tJ, 0x1));
 920     _mm_store_ss(ptrG+8, _mm256_extractf128_ps(tK, 0x1));
 921     _mm_store_ss(ptrH+8, _mm256_extractf128_ps(tL, 0x1));
 922 }
 923
 924
 925 static gmx_inline void gmx_simdcall
 926 gmx_mm256_decrement_4rvec_8ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 927                                           float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 928                                           float * gmx_restrict ptrE, float * gmx_restrict ptrF,
 929                                           float * gmx_restrict ptrG, float * gmx_restrict ptrH,
 930                                           __m256 x1, __m256 y1, __m256 z1,
 931                                           __m256 x2, __m256 y2, __m256 z2,
 932                                           __m256 x3, __m256 y3, __m256 z3,
 933                                           __m256 x4, __m256 y4, __m256 z4)
 934 {
 935     __m256 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 936     __m256 tA, tB, tC, tD, tE, tF, tG, tH;
 937     __m256 tI, tJ, tK, tL;
 938
 939     tA          = _mm256_loadu_ps(ptrA);
 940     tB          = _mm256_loadu_ps(ptrB);
 941     tC          = _mm256_loadu_ps(ptrC);
 942     tD          = _mm256_loadu_ps(ptrD);
 943     tE          = _mm256_loadu_ps(ptrE);
 944     tF          = _mm256_loadu_ps(ptrF);
 945     tG          = _mm256_loadu_ps(ptrG);
 946     tH          = _mm256_loadu_ps(ptrH);
 947
 948     t1          = _mm256_unpacklo_ps(x1, y1);                         /* y1f x1f y1e x1e | y1b x1b y1a x1a */
 949     t2          = _mm256_unpackhi_ps(x1, y1);                         /* y1h x1h y1g x1g | y1d x1d y1c x1c */
 950     t3          = _mm256_unpacklo_ps(z1, x2);                         /* x2f z1f x2e z1e | x2b z1b x2a z1a */
 951     t4          = _mm256_unpackhi_ps(z1, x2);                         /* x2h z1h x2g z1g | x2d z1d x2c z1c */
 952
 953     t5          = _mm256_unpacklo_ps(y2, z2);                         /* z2f y2f z2e y2e | z2b y2b z2a y2a */
 954     t6          = _mm256_unpackhi_ps(y2, z2);                         /* z2h y2h z2g y2g | z2d y2d z2c y2c */
 955     t7          = _mm256_unpacklo_ps(x3, y3);                         /* y3f x3f y3e x3e | y3b x3b y3a x3a */
 956     t8          = _mm256_unpackhi_ps(x3, y3);                         /* y3h x3h y3g x3g | y3d x3d y3c x3c */
 957
 958     t9          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* x2e z1e y1e x1e | x2a z1a y1a x1a */
 959     t10         = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* x2f z1f y1f x1f | x2b z1b y1b x1b */
 960     t11         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* x2g z1g y1g x1g | x2c z1c y1c x1c */
 961     t12         = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* x2h z1h y1h x1h | x2d z1d y1d x1d */
 962
 963     t1          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(1, 0, 1, 0)); /* y3e x3e z2e y2e | y3a x3a z2a y2a */
 964     t2          = _mm256_shuffle_ps(t5, t7, _MM_SHUFFLE(3, 2, 3, 2)); /* y3f x3f z2f y2f | y3b x3b z2b y2b */
 965     t3          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(1, 0, 1, 0)); /* y3g x3g z2g y2g | y3c x3c z2c y2c */
 966     t4          = _mm256_shuffle_ps(t6, t8, _MM_SHUFFLE(3, 2, 3, 2)); /* y3h x3h z2h y2h | y3d x3d z2d y2d */
 967
 968     t5          = gmx_mm256_unpack128lo_ps(t9, t1);                   /* y3a x3a z2a y2a | x2a z1a y1a x1a */
 969     t6          = gmx_mm256_unpack128hi_ps(t9, t1);                   /* y3e x3e z2e y2e | x2e z1e y1e x1e */
 970     t7          = gmx_mm256_unpack128lo_ps(t10, t2);                  /* y3b x3b z2b y2b | x2b z1b y1b x1b */
 971     t8          = gmx_mm256_unpack128hi_ps(t10, t2);                  /* y3f x3f z2f y2f | x2f z1f y1f x1f */
 972     t1          = gmx_mm256_unpack128lo_ps(t11, t3);                  /* y3c x3c z2c y2c | x2c z1c y1c x1c */
 973     t2          = gmx_mm256_unpack128hi_ps(t11, t3);                  /* y3g x3g z2g y2g | x2g z1g y1g x1g */
 974     t9          = gmx_mm256_unpack128lo_ps(t12, t4);                  /* y3d x3d z2d y2d | x2d z1d y1d x1d */
 975     t10         = gmx_mm256_unpack128hi_ps(t12, t4);                  /* y3h x3h z2h y2h | x2h z1h y1h x1h */
 976
 977     tA          = _mm256_sub_ps(tA, t5);
 978     tB          = _mm256_sub_ps(tB, t7);
 979     tC          = _mm256_sub_ps(tC, t1);
 980     tD          = _mm256_sub_ps(tD, t9);
 981     tE          = _mm256_sub_ps(tE, t6);
 982     tF          = _mm256_sub_ps(tF, t8);
 983     tG          = _mm256_sub_ps(tG, t2);
 984     tH          = _mm256_sub_ps(tH, t10);
 985
 986     _mm256_storeu_ps(ptrA, tA);
 987     _mm256_storeu_ps(ptrB, tB);
 988     _mm256_storeu_ps(ptrC, tC);
 989     _mm256_storeu_ps(ptrD, tD);
 990     _mm256_storeu_ps(ptrE, tE);
 991     _mm256_storeu_ps(ptrF, tF);
 992     _mm256_storeu_ps(ptrG, tG);
 993     _mm256_storeu_ps(ptrH, tH);
 994
 995     tI          = gmx_mm256_set_m128(_mm_loadu_ps(ptrE+8), _mm_loadu_ps(ptrA+8));
 996     tJ          = gmx_mm256_set_m128(_mm_loadu_ps(ptrF+8), _mm_loadu_ps(ptrB+8));
 997     tK          = gmx_mm256_set_m128(_mm_loadu_ps(ptrG+8), _mm_loadu_ps(ptrC+8));
 998     tL          = gmx_mm256_set_m128(_mm_loadu_ps(ptrH+8), _mm_loadu_ps(ptrD+8));
 999
1000     t1          = _mm256_unpacklo_ps(z3, x4);                         /* x4f z3f x4e z3e | x4b z3b x4a z3a */
1001     t2          = _mm256_unpackhi_ps(z3, x4);                         /* x4h z3h x4g z3g | x4d z3d x4c z3c */
1002     t3          = _mm256_unpacklo_ps(y4, z4);                         /* z4f y4f z4e y4e | z4b y4b z4a y4a */
1003     t4          = _mm256_unpackhi_ps(y4, z4);                         /* z4h y4h z4g y4g | z4d y4d z4c y4c */
1004
1005     t5          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(1, 0, 1, 0)); /* z4e y4e x4e z3e | z4a y4a x4a z3a */
1006     t6          = _mm256_shuffle_ps(t1, t3, _MM_SHUFFLE(3, 2, 3, 2)); /* z4f y4f x4f z3f | z4b y4b x4b z3b */
1007     t7          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(1, 0, 1, 0)); /* z4g y4g x4g z3g | z4c y4c x4c z3c */
1008     t8          = _mm256_shuffle_ps(t2, t4, _MM_SHUFFLE(3, 2, 3, 2)); /* z4h y4h x4h z3h | z4d y4d x4d z3d */
1009
1010     tI          = _mm256_sub_ps(tI, t5);
1011     tJ          = _mm256_sub_ps(tJ, t6);
1012     tK          = _mm256_sub_ps(tK, t7);
1013     tL          = _mm256_sub_ps(tL, t8);
1014
1015     _mm_storeu_ps(ptrA+8, _mm256_castps256_ps128(tI));
1016     _mm_storeu_ps(ptrB+8, _mm256_castps256_ps128(tJ));
1017     _mm_storeu_ps(ptrC+8, _mm256_castps256_ps128(tK));
1018     _mm_storeu_ps(ptrD+8, _mm256_castps256_ps128(tL));
1019     _mm_storeu_ps(ptrE+8, _mm256_extractf128_ps(tI, 0x1));
1020     _mm_storeu_ps(ptrF+8, _mm256_extractf128_ps(tJ, 0x1));
1021     _mm_storeu_ps(ptrG+8, _mm256_extractf128_ps(tK, 0x1));
1022     _mm_storeu_ps(ptrH+8, _mm256_extractf128_ps(tL, 0x1));
1023 }
1024
1025
1026 static gmx_inline void gmx_simdcall
1027 gmx_mm256_update_iforce_1atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1028                                          float * gmx_restrict fptr,
1029                                          float * gmx_restrict fshiftptr)
1030 {
1031     __m128 t1, t2, t3;
1032
1033     fix1 = _mm256_hadd_ps(fix1, fix1);
1034     fiy1 = _mm256_hadd_ps(fiy1, fiz1);
1035     fix1 = _mm256_hadd_ps(fix1, fiy1); /* fiz1 fiy1 fix1 fix1 (in both lanes) */
1036
1037     /* Add across the two lanes */
1038     t1   = _mm_add_ps(_mm256_castps256_ps128(fix1), _mm256_extractf128_ps(fix1, 0x1));
1039
1040     t2 = _mm_load_ss(fptr);
1041     t2 = _mm_loadh_pi(t2, (__m64 *)(fptr+1));
1042     t3 = _mm_load_ss(fshiftptr);
1043     t3 = _mm_loadh_pi(t3, (__m64 *)(fshiftptr+1));
1044
1045     t2 = _mm_add_ps(t2, t1);
1046     t3 = _mm_add_ps(t3, t1);
1047
1048     _mm_store_ss(fptr, t2);
1049     _mm_storeh_pi((__m64 *)(fptr+1), t2);
1050     _mm_store_ss(fshiftptr, t3);
1051     _mm_storeh_pi((__m64 *)(fshiftptr+1), t3);
1052 }
1053
1054
1055 static gmx_inline void gmx_simdcall
1056 gmx_mm256_update_iforce_3atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1057                                          __m256 fix2, __m256 fiy2, __m256 fiz2,
1058                                          __m256 fix3, __m256 fiy3, __m256 fiz3,
1059                                          float * gmx_restrict fptr,
1060                                          float * gmx_restrict fshiftptr)
1061 {
1062     __m256 t1, t2, t3;
1063     __m128 tA, tB, tC;
1064
1065     fix1 = _mm256_hadd_ps(fix1, fiy1);                /*  Y1g+Y1h Y1e+Y1f X1g+X1h X1e+X1f | Y1c+Y1d Y1a+Y1b X1c+X1d X1a+X1b */
1066     fiz1 = _mm256_hadd_ps(fiz1, fix2);                /*  X2g+X2h X2e+X2f Z1g+Z1h Z1e+Z1f | X2c+X2d X2a+X2b Z1c+Z1d Z1a+Z1b */
1067     fiy2 = _mm256_hadd_ps(fiy2, fiz2);                /*  Z2g+Z2h Z2e+Z2f Y2g+Y2h Y2e+Y2f | Z2c+Z2d Z2a+Z2b Y2c+Y2d Y2a+Y2b */
1068     fix3 = _mm256_hadd_ps(fix3, fiy3);                /*  Y3g+Y3h Y3e+Y3f X3g+X3h X3e+X3f | Y3c+Y3d Y3a+Y3b X3c+X3d X3a+X3b */
1069     fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); /*  0       0       Z3g+Z3h Z3e+Z3f | 0       0       Z3c+Z3d Z3a+Z3b */
1070
1071     fix1 = _mm256_hadd_ps(fix1, fiz1);                /*  X2e-h   Z1e-h   Y1e-h   X1e-h   | X2a-d   Z1a-d   Y1a-d   X1a-d   */
1072     fiy2 = _mm256_hadd_ps(fiy2, fix3);                /*  Y3e-h   X3e-h   Z2e-h   Y2e-h   | Y3a-d   X3a-d   Z2a-d   Y2a-d   */
1073     fiz3 = _mm256_hadd_ps(fiz3, _mm256_setzero_ps()); /*  0       0       0       Z3e-h   | 0       0       0       Z3a-d   */
1074
1075     /* Add across the two lanes by swapping and adding back */
1076     t1   = gmx_mm256_unpack128lo_ps(fix1, fiy2);                                       /*  Y3a-d   X3a-d   Z2a-d   Y2a-d | X2a-d   Z1a-d   Y1a-d   X1a-d */
1077     t2   = gmx_mm256_unpack128hi_ps(fix1, fiy2);                                       /*  Y3e-h   X3e-h   Z2e-h   Y2e-h | X2e-h   Z1e-h   Y1e-h   X1e-h */
1078     t1   = _mm256_add_ps(t1, t2);                                                      /* y3 x3 z2 y2 | x2 z1 y1 x1 */
1079
1080     tA   = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); /* 0 0 0 z3 */
1081
1082     t3   = _mm256_loadu_ps(fptr);
1083     t3   = _mm256_add_ps(t3, t1);
1084     _mm256_storeu_ps(fptr, t3);
1085     tB   = _mm_load_ss(fptr+8);
1086     tB   = _mm_add_ss(tB, tA);
1087     _mm_store_ss(fptr+8, tB);
1088
1089     /* Add up shift force */
1090     tB   = _mm256_extractf128_ps(t1, 0x1);                                          /* y3 x3 z2 y2 */
1091     tC   = _mm_shuffle_ps(_mm256_castps256_ps128(t1), tB, _MM_SHUFFLE(1, 0, 3, 3)); /* z2 y2 x2 x2 */
1092     tB   = _mm_shuffle_ps(tB, tA, _MM_SHUFFLE(1, 0, 3, 2));                         /* 0 z3 y3 x3 */
1093     tC   = _mm_permute_ps(tC, _MM_SHUFFLE(3, 3, 2, 0));                             /*  - z2 y2 x2 */
1094
1095     tB   = _mm_add_ps(tB, _mm256_castps256_ps128(t1));
1096     tA   = _mm_add_ps(tB, tC);                      /*  - z y x */
1097
1098     tA   = _mm_blend_ps(_mm_setzero_ps(), tA, 0x7); /* 0 z y x */
1099
1100     tC   = _mm_loadu_ps(fshiftptr);
1101     tC   = _mm_add_ps(tC, tA);
1102     _mm_storeu_ps(fshiftptr, tC);
1103 }
1104
1105
1106 static gmx_inline void gmx_simdcall
1107 gmx_mm256_update_iforce_4atom_swizzle_ps(__m256 fix1, __m256 fiy1, __m256 fiz1,
1108                                          __m256 fix2, __m256 fiy2, __m256 fiz2,
1109                                          __m256 fix3, __m256 fiy3, __m256 fiz3,
1110                                          __m256 fix4, __m256 fiy4, __m256 fiz4,
1111                                          float * gmx_restrict fptr,
1112                                          float * gmx_restrict fshiftptr)
1113 {
1114     __m256 t1, t2, t3;
1115     __m128 tA, tB, tC;
1116
1117     fix1 = _mm256_hadd_ps(fix1, fiy1);                /*  Y1g+Y1h Y1e+Y1f X1g+X1h X1e+X1f | Y1c+Y1d Y1a+Y1b X1c+X1d X1a+X1b */
1118     fiz1 = _mm256_hadd_ps(fiz1, fix2);                /*  X2g+X2h X2e+X2f Z1g+Z1h Z1e+Z1f | X2c+X2d X2a+X2b Z1c+Z1d Z1a+Z1b */
1119     fiy2 = _mm256_hadd_ps(fiy2, fiz2);                /*  Z2g+Z2h Z2e+Z2f Y2g+Y2h Y2e+Y2f | Z2c+Z2d Z2a+Z2b Y2c+Y2d Y2a+Y2b */
1120     fix3 = _mm256_hadd_ps(fix3, fiy3);                /*  Y3g+Y3h Y3e+Y3f X3g+X3h X3e+X3f | Y3c+Y3d Y3a+Y3b X3c+X3d X3a+X3b */
1121     fiz3 = _mm256_hadd_ps(fiz3, fix4);                /*  X4g+X4h X4e+X4f Z3g+Z3h Z3e+Z3f | X4c+X4d X4a+X4b Z3c+Z3d Z3a+Z3b */
1122     fiy4 = _mm256_hadd_ps(fiy4, fiz4);                /*  Z4g+Z4h Z4e+Z4f Y4g+Y4h Y4e+Y4f | Z4c+Z4d Z4a+Z4b Y4c+Y4d Y4a+Y4b */
1123
1124     fix1 = _mm256_hadd_ps(fix1, fiz1);                /*  X2e-h   Z1e-h   Y1e-h   X1e-h   | X2a-d   Z1a-d   Y1a-d   X1a-d   */
1125     fiy2 = _mm256_hadd_ps(fiy2, fix3);                /*  Y3e-h   X3e-h   Z2e-h   Y2e-h   | Y3a-d   X3a-d   Z2a-d   Y2a-d   */
1126     fiz3 = _mm256_hadd_ps(fiz3, fiy4);                /*  Z4e-h   Y4e-h   X4e-h   Z3e-h   | Z4a-d   Y4a-d   X4a-d   Z3a-d   */
1127
1128     /* Add across the two lanes by swapping and adding back */
1129     t1   = gmx_mm256_unpack128lo_ps(fix1, fiy2);                                       /*  Y3a-d   X3a-d   Z2a-d   Y2a-d | X2a-d   Z1a-d   Y1a-d   X1a-d */
1130     t2   = gmx_mm256_unpack128hi_ps(fix1, fiy2);                                       /*  Y3e-h   X3e-h   Z2e-h   Y2e-h | X2e-h   Z1e-h   Y1e-h   X1e-h */
1131     t1   = _mm256_add_ps(t1, t2);                                                      /* y3 x3 z2 y2 | x2 z1 y1 x1 */
1132
1133     tA   = _mm_add_ps(_mm256_castps256_ps128(fiz3), _mm256_extractf128_ps(fiz3, 0x1)); /* z4 y4 x4 z3 */
1134
1135     t3   = _mm256_loadu_ps(fptr);
1136     t3   = _mm256_add_ps(t3, t1);
1137     _mm256_storeu_ps(fptr, t3);
1138
1139     tB   = _mm_loadu_ps(fptr+8);
1140     tB   = _mm_add_ps(tB, tA);
1141     _mm_storeu_ps(fptr+8, tB);
1142
1143     /* Add up shift force */
1144     tB   = _mm256_extractf128_ps(t1, 0x1);                                          /* y3 x3 z2 y2 */
1145     tC   = _mm_shuffle_ps(_mm256_castps256_ps128(t1), tB, _MM_SHUFFLE(1, 0, 3, 3)); /* z2 y2 x2 x2 */
1146     tB   = _mm_shuffle_ps(tB, tA, _MM_SHUFFLE(1, 0, 3, 2));                         /* 0 z3 y3 x3 */
1147     tC   = _mm_permute_ps(tC, _MM_SHUFFLE(3, 3, 2, 0));                             /*  - z2 y2 x2 */
1148     tA   = _mm_permute_ps(tA, _MM_SHUFFLE(0, 3, 2, 1));                             /* - z4 y4 x4 */
1149
1150     tB   = _mm_add_ps(tB, _mm256_castps256_ps128(t1));
1151     tA   = _mm_add_ps(tA, tC);
1152     tA   = _mm_add_ps(tA, tB);
1153
1154     tA   = _mm_blend_ps(_mm_setzero_ps(), tA, 0x7); /* 0 z y x */
1155
1156     tC   = _mm_loadu_ps(fshiftptr);
1157     tC   = _mm_add_ps(tC, tA);
1158     _mm_storeu_ps(fshiftptr, tC);
1159 }
1160
1161
1162 static gmx_inline void gmx_simdcall
1163 gmx_mm256_update_1pot_ps(__m256 pot1, float * gmx_restrict ptrA)
1164 {
1165     __m128 t1;
1166
1167     pot1 = _mm256_hadd_ps(pot1, pot1);
1168     pot1 = _mm256_hadd_ps(pot1, pot1);
1169
1170     t1   = _mm_add_ps(_mm256_castps256_ps128(pot1), _mm256_extractf128_ps(pot1, 0x1));
1171
1172     _mm_store_ss(ptrA, _mm_add_ss(_mm_load_ss(ptrA), t1));
1173 }
1174
1175 static gmx_inline void gmx_simdcall
1176 gmx_mm256_update_2pot_ps(__m256 pot1, float * gmx_restrict ptrA,
1177                          __m256 pot2, float * gmx_restrict ptrB)
1178 {
1179     __m128 t1, t2;
1180
1181     pot1 = _mm256_hadd_ps(pot1, pot2);
1182     pot1 = _mm256_hadd_ps(pot1, pot1);
1183
1184     t1   = _mm_add_ps(_mm256_castps256_ps128(pot1), _mm256_extractf128_ps(pot1, 0x1));
1185
1186     t2   = _mm_permute_ps(t1, _MM_SHUFFLE(1, 1, 1, 1));
1187     _mm_store_ss(ptrA, _mm_add_ss(_mm_load_ss(ptrA), t1));
1188     _mm_store_ss(ptrB, _mm_add_ss(_mm_load_ss(ptrB), t2));
1189 }
1190
1191
1192 #endif /* _kernelutil_x86_avx_256_single_h_ */