src/gromacs/gmxlib/nonbonded/nb_kernel_sse2_single/kernelutil_x86_sse2_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_sse2_single_h_
  36 #define _kernelutil_x86_sse2_single_h_
  37
  38 /* We require SSE2 now! */
  39
  40 #include <math.h>
  41
  42 #include "config.h"
  43
  44 #define gmx_mm_castsi128_ps   _mm_castsi128_ps
  45
  46 #define gmx_mm_extract_epi32(x, imm) _mm_cvtsi128_si32(_mm_srli_si128((x), 4 * (imm)))
  47
  48
  49 /* Normal sum of four xmm registers */
  50 #define gmx_mm_sum4_ps(t0, t1, t2, t3)  _mm_add_ps(_mm_add_ps(t0, t1), _mm_add_ps(t2, t3))
  51
  52 static gmx_inline __m128 gmx_simdcall
  53 gmx_mm_calc_rsq_ps(__m128 dx, __m128 dy, __m128 dz)
  54 {
  55     return _mm_add_ps( _mm_add_ps( _mm_mul_ps(dx, dx), _mm_mul_ps(dy, dy) ), _mm_mul_ps(dz, dz) );
  56 }
  57
  58 static gmx_inline int gmx_simdcall
  59 gmx_mm_any_lt(__m128 a, __m128 b)
  60 {
  61     return _mm_movemask_ps(_mm_cmplt_ps(a, b));
  62 }
  63
  64 /* Load a single value from 1-4 places, merge into xmm register */
  65
  66 static gmx_inline __m128 gmx_simdcall
  67 gmx_mm_load_4real_swizzle_ps(const float * gmx_restrict ptrA,
  68                              const float * gmx_restrict ptrB,
  69                              const float * gmx_restrict ptrC,
  70                              const float * gmx_restrict ptrD)
  71 {
  72     __m128 t1, t2;
  73
  74     t1 = _mm_unpacklo_ps(_mm_load_ss(ptrA), _mm_load_ss(ptrC));
  75     t2 = _mm_unpacklo_ps(_mm_load_ss(ptrB), _mm_load_ss(ptrD));
  76     return _mm_unpacklo_ps(t1, t2);
  77 }
  78
  79 static gmx_inline void gmx_simdcall
  80 gmx_mm_store_4real_swizzle_ps(float * gmx_restrict ptrA,
  81                               float * gmx_restrict ptrB,
  82                               float * gmx_restrict ptrC,
  83                               float * gmx_restrict ptrD,
  84                               __m128               xmm1)
  85 {
  86     __m128 t2, t3, t4;
  87
  88     t3       = _mm_movehl_ps(_mm_setzero_ps(), xmm1);
  89     t2       = _mm_shuffle_ps(xmm1, xmm1, _MM_SHUFFLE(1, 1, 1, 1));
  90     t4       = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(1, 1, 1, 1));
  91     _mm_store_ss(ptrA, xmm1);
  92     _mm_store_ss(ptrB, t2);
  93     _mm_store_ss(ptrC, t3);
  94     _mm_store_ss(ptrD, t4);
  95 }
  96
  97 /* Similar to store, but increments value in memory */
  98 static gmx_inline void gmx_simdcall
  99 gmx_mm_increment_4real_swizzle_ps(float * gmx_restrict ptrA,
 100                                   float * gmx_restrict ptrB,
 101                                   float * gmx_restrict ptrC,
 102                                   float * gmx_restrict ptrD, __m128 xmm1)
 103 {
 104     __m128 tmp;
 105
 106     tmp = gmx_mm_load_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD);
 107     tmp = _mm_add_ps(tmp, xmm1);
 108     gmx_mm_store_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD, tmp);
 109 }
 110
 111
 112 static gmx_inline void gmx_simdcall
 113 gmx_mm_load_4pair_swizzle_ps(const float * gmx_restrict p1,
 114                              const float * gmx_restrict p2,
 115                              const float * gmx_restrict p3,
 116                              const float * gmx_restrict p4,
 117                              __m128 * gmx_restrict      c6,
 118                              __m128 * gmx_restrict      c12)
 119 {
 120     __m128 t1, t2, t3, t4;
 121
 122     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p1);   /* - - c12a  c6a */
 123     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p2);   /* - - c12b  c6b */
 124     t3   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p3);   /* - - c12c  c6c */
 125     t4   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p4);   /* - - c12d  c6d */
 126     t1   = _mm_unpacklo_ps(t1, t2);
 127     t2   = _mm_unpacklo_ps(t3, t4);
 128     *c6  = _mm_movelh_ps(t1, t2);
 129     *c12 = _mm_movehl_ps(t2, t1);
 130 }
 131
 132 /* Routines to load 1-4 rvec from 4 places.
 133  * We mainly use these to load coordinates. The extra routines
 134  * are very efficient for the water-water loops, since we e.g.
 135  * know that a TIP4p water has 4 atoms, so we should load 12 floats+shuffle.
 136  */
 137
 138
 139 static gmx_inline void gmx_simdcall
 140 gmx_mm_load_shift_and_1rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 141                                          const float * gmx_restrict xyz,
 142                                          __m128 * gmx_restrict      x1,
 143                                          __m128 * gmx_restrict      y1,
 144                                          __m128 * gmx_restrict      z1)
 145 {
 146     __m128 t1, t2, t3, t4;
 147
 148     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 149     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz);
 150     t3   = _mm_load_ss(xyz_shift+2);
 151     t4   = _mm_load_ss(xyz+2);
 152     t1   = _mm_add_ps(t1, t2);
 153     t3   = _mm_add_ss(t3, t4);
 154
 155     *x1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(0, 0, 0, 0));
 156     *y1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(1, 1, 1, 1));
 157     *z1  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(0, 0, 0, 0));
 158 }
 159
 160
 161 static gmx_inline void gmx_simdcall
 162 gmx_mm_load_shift_and_3rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 163                                          const float * gmx_restrict xyz,
 164                                          __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 165                                          __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 166                                          __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3)
 167 {
 168     __m128 tA, tB;
 169     __m128 t1, t2, t3, t4, t5, t6;
 170
 171     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 172     tB   = _mm_load_ss(xyz_shift+2);
 173
 174     t1   = _mm_loadu_ps(xyz);
 175     t2   = _mm_loadu_ps(xyz+4);
 176     t3   = _mm_load_ss(xyz+8);
 177
 178     tA   = _mm_movelh_ps(tA, tB);
 179     t4   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(0, 2, 1, 0));
 180     t5   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(1, 0, 2, 1));
 181     t6   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(2, 1, 0, 2));
 182
 183     t1   = _mm_add_ps(t1, t4);
 184     t2   = _mm_add_ps(t2, t5);
 185     t3   = _mm_add_ss(t3, t6);
 186
 187     *x1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(0, 0, 0, 0));
 188     *y1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(1, 1, 1, 1));
 189     *z1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(2, 2, 2, 2));
 190     *x2  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(3, 3, 3, 3));
 191     *y2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(0, 0, 0, 0));
 192     *z2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(1, 1, 1, 1));
 193     *x3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(2, 2, 2, 2));
 194     *y3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(3, 3, 3, 3));
 195     *z3  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(0, 0, 0, 0));
 196 }
 197
 198
 199 static gmx_inline void gmx_simdcall
 200 gmx_mm_load_shift_and_4rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 201                                          const float * gmx_restrict xyz,
 202                                          __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 203                                          __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 204                                          __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3,
 205                                          __m128 * gmx_restrict x4, __m128 * gmx_restrict y4, __m128 * gmx_restrict z4)
 206 {
 207     __m128 tA, tB;
 208     __m128 t1, t2, t3, t4, t5, t6;
 209
 210     tA   = _mm_castpd_ps(_mm_load_sd((const double *)xyz_shift));
 211     tB   = _mm_load_ss(xyz_shift+2);
 212
 213     t1   = _mm_loadu_ps(xyz);
 214     t2   = _mm_loadu_ps(xyz+4);
 215     t3   = _mm_loadu_ps(xyz+8);
 216
 217     tA   = _mm_movelh_ps(tA, tB);
 218     t4   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(0, 2, 1, 0));
 219     t5   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(1, 0, 2, 1));
 220     t6   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(2, 1, 0, 2));
 221
 222     t1   = _mm_add_ps(t1, t4);
 223     t2   = _mm_add_ps(t2, t5);
 224     t3   = _mm_add_ps(t3, t6);
 225
 226     *x1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(0, 0, 0, 0));
 227     *y1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(1, 1, 1, 1));
 228     *z1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(2, 2, 2, 2));
 229     *x2  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(3, 3, 3, 3));
 230     *y2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(0, 0, 0, 0));
 231     *z2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(1, 1, 1, 1));
 232     *x3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(2, 2, 2, 2));
 233     *y3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(3, 3, 3, 3));
 234     *z3  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(0, 0, 0, 0));
 235     *x4  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(1, 1, 1, 1));
 236     *y4  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(2, 2, 2, 2));
 237     *z4  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(3, 3, 3, 3));
 238 }
 239
 240
 241 static gmx_inline void gmx_simdcall
 242 gmx_mm_load_1rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA,
 243                                   const float * gmx_restrict ptrB,
 244                                   const float * gmx_restrict ptrC,
 245                                   const float * gmx_restrict ptrD,
 246                                   __m128 *      gmx_restrict x1,
 247                                   __m128 *      gmx_restrict y1,
 248                                   __m128 *      gmx_restrict z1)
 249 {
 250     __m128 t1, t2, t3, t4, t5, t6, t7, t8;
 251     t1   = _mm_castpd_ps(_mm_load_sd((const double *)ptrA));
 252     t2   = _mm_castpd_ps(_mm_load_sd((const double *)ptrB));
 253     t3   = _mm_castpd_ps(_mm_load_sd((const double *)ptrC));
 254     t4   = _mm_castpd_ps(_mm_load_sd((const double *)ptrD));
 255     t5   = _mm_load_ss(ptrA+2);
 256     t6   = _mm_load_ss(ptrB+2);
 257     t7   = _mm_load_ss(ptrC+2);
 258     t8   = _mm_load_ss(ptrD+2);
 259     t1   = _mm_unpacklo_ps(t1, t2);
 260     t3   = _mm_unpacklo_ps(t3, t4);
 261     *x1  = _mm_movelh_ps(t1, t3);
 262     *y1  = _mm_movehl_ps(t3, t1);
 263     t5   = _mm_unpacklo_ps(t5, t6);
 264     t7   = _mm_unpacklo_ps(t7, t8);
 265     *z1  = _mm_movelh_ps(t5, t7);
 266 }
 267
 268
 269 static gmx_inline void gmx_simdcall
 270 gmx_mm_load_3rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA,
 271                                   const float * gmx_restrict ptrB,
 272                                   const float * gmx_restrict ptrC,
 273                                   const float * gmx_restrict ptrD,
 274                                   __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 275                                   __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 276                                   __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3)
 277 {
 278     __m128 t1, t2, t3, t4;
 279     t1            = _mm_loadu_ps(ptrA);
 280     t2            = _mm_loadu_ps(ptrB);
 281     t3            = _mm_loadu_ps(ptrC);
 282     t4            = _mm_loadu_ps(ptrD);
 283     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 284     *x1           = t1;
 285     *y1           = t2;
 286     *z1           = t3;
 287     *x2           = t4;
 288     t1            = _mm_loadu_ps(ptrA+4);
 289     t2            = _mm_loadu_ps(ptrB+4);
 290     t3            = _mm_loadu_ps(ptrC+4);
 291     t4            = _mm_loadu_ps(ptrD+4);
 292     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 293     *y2           = t1;
 294     *z2           = t2;
 295     *x3           = t3;
 296     *y3           = t4;
 297     t1            = _mm_load_ss(ptrA+8);
 298     t2            = _mm_load_ss(ptrB+8);
 299     t3            = _mm_load_ss(ptrC+8);
 300     t4            = _mm_load_ss(ptrD+8);
 301     t1            = _mm_unpacklo_ps(t1, t3);
 302     t3            = _mm_unpacklo_ps(t2, t4);
 303     *z3           = _mm_unpacklo_ps(t1, t3);
 304 }
 305
 306
 307 static gmx_inline void gmx_simdcall
 308 gmx_mm_load_4rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA,
 309                                   const float * gmx_restrict ptrB,
 310                                   const float * gmx_restrict ptrC,
 311                                   const float * gmx_restrict ptrD,
 312                                   __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 313                                   __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 314                                   __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3,
 315                                   __m128 * gmx_restrict x4, __m128 * gmx_restrict y4, __m128 * gmx_restrict z4)
 316 {
 317     __m128 t1, t2, t3, t4;
 318     t1            = _mm_loadu_ps(ptrA);
 319     t2            = _mm_loadu_ps(ptrB);
 320     t3            = _mm_loadu_ps(ptrC);
 321     t4            = _mm_loadu_ps(ptrD);
 322     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 323     *x1           = t1;
 324     *y1           = t2;
 325     *z1           = t3;
 326     *x2           = t4;
 327     t1            = _mm_loadu_ps(ptrA+4);
 328     t2            = _mm_loadu_ps(ptrB+4);
 329     t3            = _mm_loadu_ps(ptrC+4);
 330     t4            = _mm_loadu_ps(ptrD+4);
 331     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 332     *y2           = t1;
 333     *z2           = t2;
 334     *x3           = t3;
 335     *y3           = t4;
 336     t1            = _mm_loadu_ps(ptrA+8);
 337     t2            = _mm_loadu_ps(ptrB+8);
 338     t3            = _mm_loadu_ps(ptrC+8);
 339     t4            = _mm_loadu_ps(ptrD+8);
 340     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 341     *z3           = t1;
 342     *x4           = t2;
 343     *y4           = t3;
 344     *z4           = t4;
 345 }
 346
 347
 348 static gmx_inline void gmx_simdcall
 349 gmx_mm_decrement_1rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA,
 350                                        float * gmx_restrict ptrB,
 351                                        float * gmx_restrict ptrC,
 352                                        float * gmx_restrict ptrD,
 353                                        __m128 x1, __m128 y1, __m128 z1)
 354 {
 355     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 356     t5          = _mm_unpacklo_ps(y1, z1);
 357     t6          = _mm_unpackhi_ps(y1, z1);
 358     t7          = _mm_shuffle_ps(x1, t5, _MM_SHUFFLE(1, 0, 0, 0));
 359     t8          = _mm_shuffle_ps(x1, t5, _MM_SHUFFLE(3, 2, 0, 1));
 360     t9          = _mm_shuffle_ps(x1, t6, _MM_SHUFFLE(1, 0, 0, 2));
 361     t10         = _mm_shuffle_ps(x1, t6, _MM_SHUFFLE(3, 2, 0, 3));
 362     t1          = _mm_load_ss(ptrA);
 363     t1          = _mm_loadh_pi(t1, (__m64 *)(ptrA+1));
 364     t1          = _mm_sub_ps(t1, t7);
 365     _mm_store_ss(ptrA, t1);
 366     _mm_storeh_pi((__m64 *)(ptrA+1), t1);
 367     t2          = _mm_load_ss(ptrB);
 368     t2          = _mm_loadh_pi(t2, (__m64 *)(ptrB+1));
 369     t2          = _mm_sub_ps(t2, t8);
 370     _mm_store_ss(ptrB, t2);
 371     _mm_storeh_pi((__m64 *)(ptrB+1), t2);
 372     t3          = _mm_load_ss(ptrC);
 373     t3          = _mm_loadh_pi(t3, (__m64 *)(ptrC+1));
 374     t3          = _mm_sub_ps(t3, t9);
 375     _mm_store_ss(ptrC, t3);
 376     _mm_storeh_pi((__m64 *)(ptrC+1), t3);
 377     t4          = _mm_load_ss(ptrD);
 378     t4          = _mm_loadh_pi(t4, (__m64 *)(ptrD+1));
 379     t4          = _mm_sub_ps(t4, t10);
 380     _mm_store_ss(ptrD, t4);
 381     _mm_storeh_pi((__m64 *)(ptrD+1), t4);
 382 }
 383
 384
 385
 386 static gmx_inline void gmx_simdcall
 387 gmx_mm_decrement_3rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 388                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 389                                        __m128 x1, __m128 y1, __m128 z1,
 390                                        __m128 x2, __m128 y2, __m128 z2,
 391                                        __m128 x3, __m128 y3, __m128 z3)
 392 {
 393     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10;
 394     __m128 t11, t12, t13, t14, t15, t16, t17, t18, t19;
 395     __m128 t20, t21, t22, t23, t24, t25;
 396
 397     t13         = _mm_unpackhi_ps(x1, y1);
 398     x1          = _mm_unpacklo_ps(x1, y1);
 399     t14         = _mm_unpackhi_ps(z1, x2);
 400     z1          = _mm_unpacklo_ps(z1, x2);
 401     t15         = _mm_unpackhi_ps(y2, z2);
 402     y2          = _mm_unpacklo_ps(y2, z2);
 403     t16         = _mm_unpackhi_ps(x3, y3);
 404     x3          = _mm_unpacklo_ps(x3, y3);
 405     t17         = _mm_shuffle_ps(z3, z3, _MM_SHUFFLE(0, 0, 0, 1));
 406     t18         = _mm_movehl_ps(z3, z3);
 407     t19         = _mm_shuffle_ps(t18, t18, _MM_SHUFFLE(0, 0, 0, 1));
 408     t20         = _mm_movelh_ps(x1, z1);
 409     t21         = _mm_movehl_ps(z1, x1);
 410     t22         = _mm_movelh_ps(t13, t14);
 411     t14         = _mm_movehl_ps(t14, t13);
 412     t23         = _mm_movelh_ps(y2, x3);
 413     t24         = _mm_movehl_ps(x3, y2);
 414     t25         = _mm_movelh_ps(t15, t16);
 415     t16         = _mm_movehl_ps(t16, t15);
 416     t1          = _mm_loadu_ps(ptrA);
 417     t2          = _mm_loadu_ps(ptrA+4);
 418     t3          = _mm_load_ss(ptrA+8);
 419     t1          = _mm_sub_ps(t1, t20);
 420     t2          = _mm_sub_ps(t2, t23);
 421     t3          = _mm_sub_ss(t3, z3);
 422     _mm_storeu_ps(ptrA, t1);
 423     _mm_storeu_ps(ptrA+4, t2);
 424     _mm_store_ss(ptrA+8, t3);
 425     t4          = _mm_loadu_ps(ptrB);
 426     t5          = _mm_loadu_ps(ptrB+4);
 427     t6          = _mm_load_ss(ptrB+8);
 428     t4          = _mm_sub_ps(t4, t21);
 429     t5          = _mm_sub_ps(t5, t24);
 430     t6          = _mm_sub_ss(t6, t17);
 431     _mm_storeu_ps(ptrB, t4);
 432     _mm_storeu_ps(ptrB+4, t5);
 433     _mm_store_ss(ptrB+8, t6);
 434     t7          = _mm_loadu_ps(ptrC);
 435     t8          = _mm_loadu_ps(ptrC+4);
 436     t9          = _mm_load_ss(ptrC+8);
 437     t7          = _mm_sub_ps(t7, t22);
 438     t8          = _mm_sub_ps(t8, t25);
 439     t9          = _mm_sub_ss(t9, t18);
 440     _mm_storeu_ps(ptrC, t7);
 441     _mm_storeu_ps(ptrC+4, t8);
 442     _mm_store_ss(ptrC+8, t9);
 443     t10         = _mm_loadu_ps(ptrD);
 444     t11         = _mm_loadu_ps(ptrD+4);
 445     t12         = _mm_load_ss(ptrD+8);
 446     t10         = _mm_sub_ps(t10, t14);
 447     t11         = _mm_sub_ps(t11, t16);
 448     t12         = _mm_sub_ss(t12, t19);
 449     _mm_storeu_ps(ptrD, t10);
 450     _mm_storeu_ps(ptrD+4, t11);
 451     _mm_store_ss(ptrD+8, t12);
 452 }
 453
 454 static gmx_inline void gmx_simdcall
 455 gmx_mm_decrement_4rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 456                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 457                                        __m128 x1, __m128 y1, __m128 z1,
 458                                        __m128 x2, __m128 y2, __m128 z2,
 459                                        __m128 x3, __m128 y3, __m128 z3,
 460                                        __m128 x4, __m128 y4, __m128 z4)
 461 {
 462     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11;
 463     __m128 t12, t13, t14, t15, t16, t17, t18, t19, t20, t21, t22;
 464     __m128 t23, t24;
 465     t13         = _mm_unpackhi_ps(x1, y1);
 466     x1          = _mm_unpacklo_ps(x1, y1);
 467     t14         = _mm_unpackhi_ps(z1, x2);
 468     z1          = _mm_unpacklo_ps(z1, x2);
 469     t15         = _mm_unpackhi_ps(y2, z2);
 470     y2          = _mm_unpacklo_ps(y2, z2);
 471     t16         = _mm_unpackhi_ps(x3, y3);
 472     x3          = _mm_unpacklo_ps(x3, y3);
 473     t17         = _mm_unpackhi_ps(z3, x4);
 474     z3          = _mm_unpacklo_ps(z3, x4);
 475     t18         = _mm_unpackhi_ps(y4, z4);
 476     y4          = _mm_unpacklo_ps(y4, z4);
 477     t19         = _mm_movelh_ps(x1, z1);
 478     z1          = _mm_movehl_ps(z1, x1);
 479     t20         = _mm_movelh_ps(t13, t14);
 480     t14         = _mm_movehl_ps(t14, t13);
 481     t21         = _mm_movelh_ps(y2, x3);
 482     x3          = _mm_movehl_ps(x3, y2);
 483     t22         = _mm_movelh_ps(t15, t16);
 484     t16         = _mm_movehl_ps(t16, t15);
 485     t23         = _mm_movelh_ps(z3, y4);
 486     y4          = _mm_movehl_ps(y4, z3);
 487     t24         = _mm_movelh_ps(t17, t18);
 488     t18         = _mm_movehl_ps(t18, t17);
 489     t1          = _mm_loadu_ps(ptrA);
 490     t2          = _mm_loadu_ps(ptrA+4);
 491     t3          = _mm_loadu_ps(ptrA+8);
 492     t1          = _mm_sub_ps(t1, t19);
 493     t2          = _mm_sub_ps(t2, t21);
 494     t3          = _mm_sub_ps(t3, t23);
 495     _mm_storeu_ps(ptrA, t1);
 496     _mm_storeu_ps(ptrA+4, t2);
 497     _mm_storeu_ps(ptrA+8, t3);
 498     t4          = _mm_loadu_ps(ptrB);
 499     t5          = _mm_loadu_ps(ptrB+4);
 500     t6          = _mm_loadu_ps(ptrB+8);
 501     t4          = _mm_sub_ps(t4, z1);
 502     t5          = _mm_sub_ps(t5, x3);
 503     t6          = _mm_sub_ps(t6, y4);
 504     _mm_storeu_ps(ptrB, t4);
 505     _mm_storeu_ps(ptrB+4, t5);
 506     _mm_storeu_ps(ptrB+8, t6);
 507     t7          = _mm_loadu_ps(ptrC);
 508     t8          = _mm_loadu_ps(ptrC+4);
 509     t9          = _mm_loadu_ps(ptrC+8);
 510     t7          = _mm_sub_ps(t7, t20);
 511     t8          = _mm_sub_ps(t8, t22);
 512     t9          = _mm_sub_ps(t9, t24);
 513     _mm_storeu_ps(ptrC, t7);
 514     _mm_storeu_ps(ptrC+4, t8);
 515     _mm_storeu_ps(ptrC+8, t9);
 516     t10         = _mm_loadu_ps(ptrD);
 517     t11         = _mm_loadu_ps(ptrD+4);
 518     t12         = _mm_loadu_ps(ptrD+8);
 519     t10         = _mm_sub_ps(t10, t14);
 520     t11         = _mm_sub_ps(t11, t16);
 521     t12         = _mm_sub_ps(t12, t18);
 522     _mm_storeu_ps(ptrD, t10);
 523     _mm_storeu_ps(ptrD+4, t11);
 524     _mm_storeu_ps(ptrD+8, t12);
 525 }
 526
 527
 528 static gmx_inline void gmx_simdcall
 529 gmx_mm_update_iforce_1atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 530                                       float * gmx_restrict fptr,
 531                                       float * gmx_restrict fshiftptr)
 532 {
 533     __m128 t1, t2, t3;
 534
 535     /* transpose data */
 536     t1 = fix1;
 537     _MM_TRANSPOSE4_PS(fix1, t1, fiy1, fiz1);
 538     fix1 = _mm_add_ps(_mm_add_ps(fix1, t1), _mm_add_ps(fiy1, fiz1));
 539
 540     t2 = _mm_load_ss(fptr);
 541     t2 = _mm_loadh_pi(t2, (__m64 *)(fptr+1));
 542     t3 = _mm_load_ss(fshiftptr);
 543     t3 = _mm_loadh_pi(t3, (__m64 *)(fshiftptr+1));
 544
 545     t2 = _mm_add_ps(t2, fix1);
 546     t3 = _mm_add_ps(t3, fix1);
 547
 548     _mm_store_ss(fptr, t2);
 549     _mm_storeh_pi((__m64 *)(fptr+1), t2);
 550     _mm_store_ss(fshiftptr, t3);
 551     _mm_storeh_pi((__m64 *)(fshiftptr+1), t3);
 552 }
 553
 554 static gmx_inline void gmx_simdcall
 555 gmx_mm_update_iforce_3atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 556                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 557                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 558                                       float * gmx_restrict fptr,
 559                                       float * gmx_restrict fshiftptr)
 560 {
 561     __m128 t1, t2, t3, t4;
 562
 563     /* transpose data */
 564     _MM_TRANSPOSE4_PS(fix1, fiy1, fiz1, fix2);
 565     _MM_TRANSPOSE4_PS(fiy2, fiz2, fix3, fiy3);
 566     t2   = _mm_movehl_ps(_mm_setzero_ps(), fiz3);
 567     t1   = _mm_shuffle_ps(fiz3, fiz3, _MM_SHUFFLE(0, 0, 0, 1));
 568     t3   = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(0, 0, 0, 1));
 569
 570     fix1 = _mm_add_ps(_mm_add_ps(fix1, fiy1), _mm_add_ps(fiz1, fix2));
 571     fiy2 = _mm_add_ps(_mm_add_ps(fiy2, fiz2), _mm_add_ps(fix3, fiy3));
 572     fiz3 = _mm_add_ss(_mm_add_ps(fiz3, t1), _mm_add_ps(t2, t3));
 573
 574     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 575     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 576     _mm_store_ss (fptr+8, _mm_add_ss(fiz3, _mm_load_ss(fptr+8) ));
 577
 578     t4 = _mm_load_ss(fshiftptr+2);
 579     t4 = _mm_loadh_pi(t4, (__m64 *)(fshiftptr));
 580
 581     t1 = _mm_shuffle_ps(fiz3, fix1, _MM_SHUFFLE(1, 0, 0, 0)); /* fiy1 fix1  -   fiz3 */
 582     t2 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(3, 2, 2, 2)); /* fiy3 fix3  -   fiz1 */
 583     t3 = _mm_shuffle_ps(fiy2, fix1, _MM_SHUFFLE(3, 3, 0, 1)); /* fix2 fix2 fiy2 fiz2 */
 584     t3 = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(1, 2, 0, 0));     /* fiy2 fix2  -   fiz2 */
 585
 586     t1 = _mm_add_ps(t1, t2);
 587     t3 = _mm_add_ps(t3, t4);
 588     t1 = _mm_add_ps(t1, t3); /* y x - z */
 589
 590     _mm_store_ss(fshiftptr+2, t1);
 591     _mm_storeh_pi((__m64 *)(fshiftptr), t1);
 592 }
 593
 594 static gmx_inline void gmx_simdcall
 595 gmx_mm_update_iforce_4atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 596                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 597                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 598                                       __m128 fix4, __m128 fiy4, __m128 fiz4,
 599                                       float * gmx_restrict fptr,
 600                                       float * gmx_restrict fshiftptr)
 601 {
 602     __m128 t1, t2, t3, t4, t5;
 603
 604     /* transpose data */
 605     _MM_TRANSPOSE4_PS(fix1, fiy1, fiz1, fix2);
 606     _MM_TRANSPOSE4_PS(fiy2, fiz2, fix3, fiy3);
 607     _MM_TRANSPOSE4_PS(fiz3, fix4, fiy4, fiz4);
 608
 609     fix1 = _mm_add_ps(_mm_add_ps(fix1, fiy1), _mm_add_ps(fiz1, fix2));
 610     fiy2 = _mm_add_ps(_mm_add_ps(fiy2, fiz2), _mm_add_ps(fix3, fiy3));
 611     fiz3 = _mm_add_ps(_mm_add_ps(fiz3, fix4), _mm_add_ps(fiy4, fiz4));
 612
 613     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 614     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 615     _mm_storeu_ps(fptr+8, _mm_add_ps(fiz3, _mm_loadu_ps(fptr+8)));
 616
 617     t5 = _mm_load_ss(fshiftptr+2);
 618     t5 = _mm_loadh_pi(t5, (__m64 *)(fshiftptr));
 619
 620     t1 = _mm_shuffle_ps(fix1, fix1, _MM_SHUFFLE(1, 0, 2, 2));
 621     t2 = _mm_shuffle_ps(fiy2, fiy2, _MM_SHUFFLE(3, 2, 1, 1));
 622     t3 = _mm_shuffle_ps(fiz3, fiz3, _MM_SHUFFLE(2, 1, 0, 0));
 623     t4 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(0, 0, 3, 3));
 624     t4 = _mm_shuffle_ps(fiz3, t4, _MM_SHUFFLE(2, 0, 3, 3));
 625
 626     t1 = _mm_add_ps(t1, t2);
 627     t3 = _mm_add_ps(t3, t4);
 628     t1 = _mm_add_ps(t1, t3);
 629     t5 = _mm_add_ps(t5, t1);
 630
 631     _mm_store_ss(fshiftptr+2, t5);
 632     _mm_storeh_pi((__m64 *)(fshiftptr), t5);
 633 }
 634
 635
 636
 637 static gmx_inline void gmx_simdcall
 638 gmx_mm_update_1pot_ps(__m128 pot1, float * gmx_restrict ptrA)
 639 {
 640     pot1 = _mm_add_ps(pot1, _mm_movehl_ps(_mm_setzero_ps(), pot1));
 641     pot1 = _mm_add_ps(pot1, _mm_shuffle_ps(pot1, pot1, _MM_SHUFFLE(0, 0, 0, 1)));
 642     _mm_store_ss(ptrA, _mm_add_ss(pot1, _mm_load_ss(ptrA)));
 643 }
 644
 645 static gmx_inline void gmx_simdcall
 646 gmx_mm_update_2pot_ps(__m128 pot1, float * gmx_restrict ptrA,
 647                       __m128 pot2, float * gmx_restrict ptrB)
 648 {
 649     __m128 t1, t2;
 650     t1   = _mm_movehl_ps(pot2, pot1);
 651     t2   = _mm_movelh_ps(pot1, pot2);
 652     t1   = _mm_add_ps(t1, t2);
 653     t2   = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(3, 3, 1, 1));
 654     pot1 = _mm_add_ps(t1, t2);
 655     pot2 = _mm_movehl_ps(t2, pot1);
 656     _mm_store_ss(ptrA, _mm_add_ss(pot1, _mm_load_ss(ptrA)));
 657     _mm_store_ss(ptrB, _mm_add_ss(pot2, _mm_load_ss(ptrB)));
 658 }
 659
 660
 661 #endif /* _kernelutil_x86_sse2_single_h_ */