src/gromacs/simd/impl_x86_avx_512/impl_x86_avx_512_util_double.h

   1 /*
   2  * This file is part of the GROMACS molecular simulation package.
   3  *
   4  * Copyright (c) 2014,2015,2016,2017, 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
  36 #ifndef GMX_SIMD_IMPL_X86_AVX_512_UTIL_DOUBLE_H
  37 #define GMX_SIMD_IMPL_X86_AVX_512_UTIL_DOUBLE_H
  38
  39 #include "config.h"
  40
  41 #include <cassert>
  42 #include <cstdint>
  43
  44 #include <immintrin.h>
  45
  46 #include "gromacs/utility/basedefinitions.h"
  47
  48 #include "impl_x86_avx_512_general.h"
  49 #include "impl_x86_avx_512_simd_double.h"
  50
  51 namespace gmx
  52 {
  53
  54 static const int c_simdBestPairAlignmentDouble = 2;
  55
  56 namespace
  57 {
  58 // Multiply function optimized for powers of 2, for which it is done by
  59 // shifting. Currently up to 8 is accelerated. Could be accelerated for any
  60 // number with a constexpr log2 function.
  61 template<int n>
  62 SimdDInt32 fastMultiply(SimdDInt32 x)
  63 {
  64     if (n == 2)
  65     {
  66         return _mm256_slli_epi32(x.simdInternal_, 1);
  67     }
  68     else if (n == 4)
  69     {
  70         return _mm256_slli_epi32(x.simdInternal_, 2);
  71     }
  72     else if (n == 8)
  73     {
  74         return _mm256_slli_epi32(x.simdInternal_, 3);
  75     }
  76     else
  77     {
  78         return x * n;
  79     }
  80 }
  81
  82 template<int align>
  83 static inline void gmx_simdcall
  84 gatherLoadBySimdIntTranspose(const double *, SimdDInt32)
  85 {
  86     //Nothing to do. Termination of recursion.
  87 }
  88 }
  89
  90
  91 template <int align, typename ... Targs>
  92 static inline void gmx_simdcall
  93 gatherLoadBySimdIntTranspose(const double * base, SimdDInt32 offset, SimdDouble *v, Targs... Fargs)
  94 {
  95     if (align > 1)
  96     {
  97         offset = fastMultiply<align>(offset);
  98     }
  99     constexpr size_t scale = sizeof(double);
 100     v->simdInternal_ = _mm512_i32gather_pd(offset.simdInternal_, base, scale);
 101     gatherLoadBySimdIntTranspose<1>(base+1, offset, Fargs ...);
 102 }
 103
 104 template <int align, typename ... Targs>
 105 static inline void gmx_simdcall
 106 gatherLoadUBySimdIntTranspose(const double *base, SimdDInt32 offset, Targs... Fargs)
 107 {
 108     gatherLoadBySimdIntTranspose<align>(base, offset, Fargs ...);
 109 }
 110
 111 template <int align, typename ... Targs>
 112 static inline void gmx_simdcall
 113 gatherLoadTranspose(const double *base, const std::int32_t offset[], Targs... Fargs)
 114 {
 115     gatherLoadBySimdIntTranspose<align>(base, simdLoad(offset, SimdDInt32Tag()), Fargs ...);
 116 }
 117
 118 template <int align, typename ... Targs>
 119 static inline void gmx_simdcall
 120 gatherLoadUTranspose(const double *base, const std::int32_t offset[], Targs... Fargs)
 121 {
 122     gatherLoadTranspose<align>(base, offset, Fargs ...);
 123 }
 124
 125 template <int align>
 126 static inline void gmx_simdcall
 127 transposeScatterStoreU(double *             base,
 128                        const std::int32_t   offset[],
 129                        SimdDouble           v0,
 130                        SimdDouble           v1,
 131                        SimdDouble           v2)
 132 {
 133     SimdDInt32 simdoffset = simdLoad(offset, SimdDInt32Tag());
 134
 135     if (align > 1)
 136     {
 137         simdoffset = fastMultiply<align>(simdoffset);;
 138     }
 139     constexpr size_t scale = sizeof(double);
 140     _mm512_i32scatter_pd(base,   simdoffset.simdInternal_, v0.simdInternal_, scale);
 141     _mm512_i32scatter_pd(&(base[1]), simdoffset.simdInternal_, v1.simdInternal_, scale);
 142     _mm512_i32scatter_pd(&(base[2]), simdoffset.simdInternal_, v2.simdInternal_, scale);
 143 }
 144
 145 template <int align>
 146 static inline void gmx_simdcall
 147 transposeScatterIncrU(double *            base,
 148                       const std::int32_t  offset[],
 149                       SimdDouble          v0,
 150                       SimdDouble          v1,
 151                       SimdDouble          v2)
 152 {
 153     __m512d t[4], t5, t6, t7, t8;
 154     alignas(GMX_SIMD_ALIGNMENT) std::int64_t    o[8];
 155     //TODO: should use fastMultiply
 156     _mm512_store_epi64(o, _mm512_cvtepi32_epi64(_mm256_mullo_epi32(_mm256_load_si256((const __m256i*)(offset  )), _mm256_set1_epi32(align))));
 157     t5   = _mm512_unpacklo_pd(v0.simdInternal_, v1.simdInternal_);
 158     t6   = _mm512_unpackhi_pd(v0.simdInternal_, v1.simdInternal_);
 159     t7   = _mm512_unpacklo_pd(v2.simdInternal_, _mm512_setzero_pd());
 160     t8   = _mm512_unpackhi_pd(v2.simdInternal_, _mm512_setzero_pd());
 161     t[0] = _mm512_mask_permutex_pd(t5, avx512Int2Mask(0xCC), t7, 0x4E);
 162     t[1] = _mm512_mask_permutex_pd(t6, avx512Int2Mask(0xCC), t8, 0x4E);
 163     t[2] = _mm512_mask_permutex_pd(t7, avx512Int2Mask(0x33), t5, 0x4E);
 164     t[3] = _mm512_mask_permutex_pd(t8, avx512Int2Mask(0x33), t6, 0x4E);
 165     if (align < 4)
 166     {
 167         for (int i = 0; i < 4; i++)
 168         {
 169             _mm512_mask_storeu_pd(base + o[0 + i], avx512Int2Mask(7), _mm512_castpd256_pd512(
 170                                           _mm256_add_pd(_mm256_loadu_pd(base + o[0 + i]), _mm512_castpd512_pd256(t[i]))));
 171             _mm512_mask_storeu_pd(base + o[4 + i], avx512Int2Mask(7), _mm512_castpd256_pd512(
 172                                           _mm256_add_pd(_mm256_loadu_pd(base + o[4 + i]), _mm512_extractf64x4_pd(t[i], 1))));
 173         }
 174     }
 175     else
 176     {
 177         if (align % 4 == 0)
 178         {
 179             for (int i = 0; i < 4; i++)
 180             {
 181                 _mm256_store_pd(base + o[0 + i],
 182                                 _mm256_add_pd(_mm256_load_pd(base + o[0 + i]), _mm512_castpd512_pd256(t[i])));
 183                 _mm256_store_pd(base + o[4 + i],
 184                                 _mm256_add_pd(_mm256_load_pd(base + o[4 + i]), _mm512_extractf64x4_pd(t[i], 1)));
 185             }
 186         }
 187         else
 188         {
 189             for (int i = 0; i < 4; i++)
 190             {
 191                 _mm256_storeu_pd(base + o[0 + i],
 192                                  _mm256_add_pd(_mm256_loadu_pd(base + o[0 + i]), _mm512_castpd512_pd256(t[i])));
 193                 _mm256_storeu_pd(base + o[4 + i],
 194                                  _mm256_add_pd(_mm256_loadu_pd(base + o[4 + i]), _mm512_extractf64x4_pd(t[i], 1)));
 195             }
 196         }
 197     }
 198 }
 199
 200 template <int align>
 201 static inline void gmx_simdcall
 202 transposeScatterDecrU(double *            base,
 203                       const std::int32_t  offset[],
 204                       SimdDouble          v0,
 205                       SimdDouble          v1,
 206                       SimdDouble          v2)
 207 {
 208     __m512d t[4], t5, t6, t7, t8;
 209     alignas(GMX_SIMD_ALIGNMENT) std::int64_t    o[8];
 210     //TODO: should use fastMultiply
 211     _mm512_store_epi64(o, _mm512_cvtepi32_epi64(_mm256_mullo_epi32(_mm256_load_si256((const __m256i*)(offset  )), _mm256_set1_epi32(align))));
 212     t5   = _mm512_unpacklo_pd(v0.simdInternal_, v1.simdInternal_);
 213     t6   = _mm512_unpackhi_pd(v0.simdInternal_, v1.simdInternal_);
 214     t7   = _mm512_unpacklo_pd(v2.simdInternal_, _mm512_setzero_pd());
 215     t8   = _mm512_unpackhi_pd(v2.simdInternal_, _mm512_setzero_pd());
 216     t[0] = _mm512_mask_permutex_pd(t5, avx512Int2Mask(0xCC), t7, 0x4E);
 217     t[2] = _mm512_mask_permutex_pd(t7, avx512Int2Mask(0x33), t5, 0x4E);
 218     t[1] = _mm512_mask_permutex_pd(t6, avx512Int2Mask(0xCC), t8, 0x4E);
 219     t[3] = _mm512_mask_permutex_pd(t8, avx512Int2Mask(0x33), t6, 0x4E);
 220     if (align < 4)
 221     {
 222         for (int i = 0; i < 4; i++)
 223         {
 224             _mm512_mask_storeu_pd(base + o[0 + i], avx512Int2Mask(7), _mm512_castpd256_pd512(
 225                                           _mm256_sub_pd(_mm256_loadu_pd(base + o[0 + i]), _mm512_castpd512_pd256(t[i]))));
 226             _mm512_mask_storeu_pd(base + o[4 + i], avx512Int2Mask(7), _mm512_castpd256_pd512(
 227                                           _mm256_sub_pd(_mm256_loadu_pd(base + o[4 + i]), _mm512_extractf64x4_pd(t[i], 1))));
 228         }
 229     }
 230     else
 231     {
 232         if (align % 4 == 0)
 233         {
 234             for (int i = 0; i < 4; i++)
 235             {
 236                 _mm256_store_pd(base + o[0 + i],
 237                                 _mm256_sub_pd(_mm256_load_pd(base + o[0 + i]), _mm512_castpd512_pd256(t[i])));
 238                 _mm256_store_pd(base + o[4 + i],
 239                                 _mm256_sub_pd(_mm256_load_pd(base + o[4 + i]), _mm512_extractf64x4_pd(t[i], 1)));
 240             }
 241         }
 242         else
 243         {
 244             for (int i = 0; i < 4; i++)
 245             {
 246                 _mm256_storeu_pd(base + o[0 + i],
 247                                  _mm256_sub_pd(_mm256_loadu_pd(base + o[0 + i]), _mm512_castpd512_pd256(t[i])));
 248                 _mm256_storeu_pd(base + o[4 + i],
 249                                  _mm256_sub_pd(_mm256_loadu_pd(base + o[4 + i]), _mm512_extractf64x4_pd(t[i], 1)));
 250             }
 251         }
 252     }
 253 }
 254
 255 static inline void gmx_simdcall
 256 expandScalarsToTriplets(SimdDouble    scalar,
 257                         SimdDouble *  triplets0,
 258                         SimdDouble *  triplets1,
 259                         SimdDouble *  triplets2)
 260 {
 261     triplets0->simdInternal_ = _mm512_castsi512_pd(_mm512_permutexvar_epi32(_mm512_set_epi32(5, 4, 5, 4, 3, 2, 3, 2, 3, 2, 1, 0, 1, 0, 1, 0),
 262                                                                             _mm512_castpd_si512(scalar.simdInternal_)));
 263     triplets1->simdInternal_ = _mm512_castsi512_pd(_mm512_permutexvar_epi32(_mm512_set_epi32(11, 10, 9, 8, 9, 8, 9, 8, 7, 6, 7, 6, 7, 6, 5, 4),
 264                                                                             _mm512_castpd_si512(scalar.simdInternal_)));
 265     triplets2->simdInternal_ = _mm512_castsi512_pd(_mm512_permutexvar_epi32(_mm512_set_epi32(15, 14, 15, 14, 15, 14, 13, 12, 13, 12, 13, 12, 11, 10, 11, 10),
 266                                                                             _mm512_castpd_si512(scalar.simdInternal_)));
 267 }
 268
 269
 270 static inline double gmx_simdcall
 271 reduceIncr4ReturnSum(double *    m,
 272                      SimdDouble  v0,
 273                      SimdDouble  v1,
 274                      SimdDouble  v2,
 275                      SimdDouble  v3)
 276 {
 277     __m512d t0, t2;
 278     __m256d t3, t4;
 279
 280     assert(std::size_t(m) % 32 == 0);
 281
 282     t0 = _mm512_add_pd(v0.simdInternal_, _mm512_permute_pd(v0.simdInternal_, 0x55));
 283     t2 = _mm512_add_pd(v2.simdInternal_, _mm512_permute_pd(v2.simdInternal_, 0x55));
 284     t0 = _mm512_mask_add_pd(t0, avx512Int2Mask(0xAA), v1.simdInternal_, _mm512_permute_pd(v1.simdInternal_, 0x55));
 285     t2 = _mm512_mask_add_pd(t2, avx512Int2Mask(0xAA), v3.simdInternal_, _mm512_permute_pd(v3.simdInternal_, 0x55));
 286     t0 = _mm512_add_pd(t0, _mm512_shuffle_f64x2(t0, t0, 0x4E));
 287     t0 = _mm512_mask_add_pd(t0, avx512Int2Mask(0xF0), t2, _mm512_shuffle_f64x2(t2, t2, 0x4E));
 288     t0 = _mm512_add_pd(t0, _mm512_shuffle_f64x2(t0, t0, 0xB1));
 289     t0 = _mm512_mask_shuffle_f64x2(t0, avx512Int2Mask(0x0C), t0, t0, 0xEE);
 290
 291     t3 = _mm512_castpd512_pd256(t0);
 292     t4 = _mm256_load_pd(m);
 293     t4 = _mm256_add_pd(t4, t3);
 294     _mm256_store_pd(m, t4);
 295
 296     t0 = _mm512_add_pd(t0, _mm512_permutex_pd(t0, 0x4E));
 297     t0 = _mm512_add_pd(t0, _mm512_permutex_pd(t0, 0xB1));
 298
 299     return _mm_cvtsd_f64(_mm512_castpd512_pd128(t0));
 300 }
 301
 302 static inline SimdDouble gmx_simdcall
 303 loadDualHsimd(const double * m0,
 304               const double * m1)
 305 {
 306     assert(std::size_t(m0) % 32 == 0);
 307     assert(std::size_t(m1) % 32 == 0);
 308
 309     return {
 310                _mm512_insertf64x4(_mm512_castpd256_pd512(_mm256_load_pd(m0)),
 311                                   _mm256_load_pd(m1), 1)
 312     };
 313 }
 314
 315 static inline SimdDouble gmx_simdcall
 316 loadDuplicateHsimd(const double * m)
 317 {
 318     assert(std::size_t(m) % 32 == 0);
 319
 320     return {
 321                _mm512_broadcast_f64x4(_mm256_load_pd(m))
 322     };
 323 }
 324
 325 static inline SimdDouble gmx_simdcall
 326 loadU1DualHsimd(const double * m)
 327 {
 328     return {
 329                _mm512_insertf64x4(_mm512_broadcastsd_pd(_mm_load_sd(m)),
 330                                   _mm256_broadcastsd_pd(_mm_load_sd(m+1)), 1)
 331     };
 332 }
 333
 334
 335 static inline void gmx_simdcall
 336 storeDualHsimd(double *     m0,
 337                double *     m1,
 338                SimdDouble   a)
 339 {
 340     assert(std::size_t(m0) % 32 == 0);
 341     assert(std::size_t(m1) % 32 == 0);
 342
 343     _mm256_store_pd(m0, _mm512_castpd512_pd256(a.simdInternal_));
 344     _mm256_store_pd(m1, _mm512_extractf64x4_pd(a.simdInternal_, 1));
 345 }
 346
 347 static inline void gmx_simdcall
 348 incrDualHsimd(double *     m0,
 349               double *     m1,
 350               SimdDouble   a)
 351 {
 352     assert(std::size_t(m0) % 32 == 0);
 353     assert(std::size_t(m1) % 32 == 0);
 354
 355     __m256d x;
 356
 357     // Lower half
 358     x = _mm256_load_pd(m0);
 359     x = _mm256_add_pd(x, _mm512_castpd512_pd256(a.simdInternal_));
 360     _mm256_store_pd(m0, x);
 361
 362     // Upper half
 363     x = _mm256_load_pd(m1);
 364     x = _mm256_add_pd(x, _mm512_extractf64x4_pd(a.simdInternal_, 1));
 365     _mm256_store_pd(m1, x);
 366 }
 367
 368 static inline void gmx_simdcall
 369 decrHsimd(double *    m,
 370           SimdDouble  a)
 371 {
 372     __m256d t;
 373
 374     assert(std::size_t(m) % 32 == 0);
 375
 376     a.simdInternal_ = _mm512_add_pd(a.simdInternal_, _mm512_shuffle_f64x2(a.simdInternal_, a.simdInternal_, 0xEE));
 377     t               = _mm256_load_pd(m);
 378     t               = _mm256_sub_pd(t, _mm512_castpd512_pd256(a.simdInternal_));
 379     _mm256_store_pd(m, t);
 380 }
 381
 382
 383 template <int align>
 384 static inline void gmx_simdcall
 385 gatherLoadTransposeHsimd(const double *       base0,
 386                          const double *       base1,
 387                          const std::int32_t   offset[],
 388                          SimdDouble *         v0,
 389                          SimdDouble *         v1)
 390 {
 391     __m128i  idx0, idx1;
 392     __m256i  idx;
 393     __m512d  tmp1, tmp2;
 394
 395     assert(std::size_t(offset) % 16 == 0);
 396     assert(std::size_t(base0) % 16 == 0);
 397     assert(std::size_t(base1) % 16 == 0);
 398
 399     idx0 = _mm_load_si128(reinterpret_cast<const __m128i*>(offset));
 400
 401     static_assert(align == 2 || align == 4, "If more are needed use fastMultiply");
 402     idx0 = _mm_slli_epi32(idx0, align == 2 ? 1 : 2);
 403
 404     idx1 = _mm_add_epi32(idx0, _mm_set1_epi32(1));
 405
 406     idx = _mm256_inserti128_si256(_mm256_castsi128_si256(idx0), idx1, 1);
 407
 408     constexpr size_t scale = sizeof(double);
 409     tmp1 = _mm512_i32gather_pd(idx, base0, scale); //TODO: Might be faster to use invidual loads
 410     tmp2 = _mm512_i32gather_pd(idx, base1, scale);
 411
 412     v0->simdInternal_ = _mm512_shuffle_f64x2(tmp1, tmp2, 0x44 );
 413     v1->simdInternal_ = _mm512_shuffle_f64x2(tmp1, tmp2, 0xEE );
 414 }
 415
 416 static inline double gmx_simdcall
 417 reduceIncr4ReturnSumHsimd(double *     m,
 418                           SimdDouble   v0,
 419                           SimdDouble   v1)
 420 {
 421     __m512d  t0;
 422     __m256d  t2, t3;
 423
 424     assert(std::size_t(m) % 32 == 0);
 425
 426     t0 = _mm512_add_pd(v0.simdInternal_, _mm512_permutex_pd(v0.simdInternal_, 0x4E));
 427     t0 = _mm512_mask_add_pd(t0, avx512Int2Mask(0xCC), v1.simdInternal_, _mm512_permutex_pd(v1.simdInternal_, 0x4E));
 428     t0 = _mm512_add_pd(t0, _mm512_permutex_pd(t0, 0xB1));
 429     t0 = _mm512_mask_shuffle_f64x2(t0, avx512Int2Mask(0xAA), t0, t0, 0xEE);
 430
 431     t2 = _mm512_castpd512_pd256(t0);
 432     t3 = _mm256_load_pd(m);
 433     t3 = _mm256_add_pd(t3, t2);
 434     _mm256_store_pd(m, t3);
 435
 436     t0 = _mm512_add_pd(t0, _mm512_permutex_pd(t0, 0x4E));
 437     t0 = _mm512_add_pd(t0, _mm512_permutex_pd(t0, 0xB1));
 438
 439     return _mm_cvtsd_f64(_mm512_castpd512_pd128(t0));
 440 }
 441
 442 static inline SimdDouble gmx_simdcall
 443 loadU4NOffset(const double *m, int offset)
 444 {
 445     return {
 446                _mm512_insertf64x4(_mm512_castpd256_pd512(_mm256_loadu_pd(m)),
 447                                   _mm256_loadu_pd(m+offset), 1)
 448     };
 449 }
 450
 451 }      // namespace gmx
 452
 453 #endif // GMX_SIMD_IMPL_X86_AVX_512_UTIL_DOUBLE_H