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