src/gromacs/gmxlib/nonbonded/nb_kernel_sse4_1_single/kernelutil_x86_sse4_1_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_sse4_1_single_h_
  36 #define _kernelutil_x86_sse4_1_single_h_
  37
  38 #include "config.h"
  39
  40 #include <math.h>
  41
  42 #undef gmx_restrict
  43 #define gmx_restrict
  44
  45 #define gmx_mm_castsi128_ps   _mm_castsi128_ps
  46 #define gmx_mm_extract_epi32  _mm_extract_epi32
  47
  48 /* Normal sum of four xmm registers */
  49 #define gmx_mm_sum4_ps(t0, t1, t2, t3)  _mm_add_ps(_mm_add_ps(t0, t1), _mm_add_ps(t2, t3))
  50
  51 static gmx_inline __m128 gmx_simdcall
  52 gmx_mm_calc_rsq_ps(__m128 dx, __m128 dy, __m128 dz)
  53 {
  54     return _mm_add_ps( _mm_add_ps( _mm_mul_ps(dx, dx), _mm_mul_ps(dy, dy) ), _mm_mul_ps(dz, dz) );
  55 }
  56
  57 static gmx_inline int gmx_simdcall
  58 gmx_mm_any_lt(__m128 a, __m128 b)
  59 {
  60     return _mm_movemask_ps(_mm_cmplt_ps(a, b));
  61 }
  62
  63 /* Load a single value from 1-4 places, merge into xmm register */
  64
  65 static gmx_inline __m128 gmx_simdcall
  66 gmx_mm_load_4real_swizzle_ps(const float * gmx_restrict ptrA,
  67                              const float * gmx_restrict ptrB,
  68                              const float * gmx_restrict ptrC,
  69                              const float * gmx_restrict ptrD)
  70 {
  71     __m128 t1, t2;
  72
  73     t1 = _mm_unpacklo_ps(_mm_load_ss(ptrA), _mm_load_ss(ptrC));
  74     t2 = _mm_unpacklo_ps(_mm_load_ss(ptrB), _mm_load_ss(ptrD));
  75     return _mm_unpacklo_ps(t1, t2);
  76 }
  77
  78 static gmx_inline void gmx_simdcall
  79 gmx_mm_store_4real_swizzle_ps(float * gmx_restrict ptrA,
  80                               float * gmx_restrict ptrB,
  81                               float * gmx_restrict ptrC,
  82                               float * gmx_restrict ptrD,
  83                               __m128               xmm1)
  84 {
  85     __m128 t2, t3, t4;
  86
  87     t3       = _mm_movehl_ps(_mm_setzero_ps(), xmm1);
  88     t2       = _mm_shuffle_ps(xmm1, xmm1, _MM_SHUFFLE(1, 1, 1, 1));
  89     t4       = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(1, 1, 1, 1));
  90     _mm_store_ss(ptrA, xmm1);
  91     _mm_store_ss(ptrB, t2);
  92     _mm_store_ss(ptrC, t3);
  93     _mm_store_ss(ptrD, t4);
  94 }
  95
  96 /* Similar to store, but increments value in memory */
  97 static gmx_inline void gmx_simdcall
  98 gmx_mm_increment_4real_swizzle_ps(float * gmx_restrict ptrA,
  99                                   float * gmx_restrict ptrB,
 100                                   float * gmx_restrict ptrC,
 101                                   float * gmx_restrict ptrD, __m128 xmm1)
 102 {
 103     __m128 tmp;
 104
 105     tmp = gmx_mm_load_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD);
 106     tmp = _mm_add_ps(tmp, xmm1);
 107     gmx_mm_store_4real_swizzle_ps(ptrA, ptrB, ptrC, ptrD, tmp);
 108 }
 109
 110
 111 static gmx_inline void gmx_simdcall
 112 gmx_mm_load_4pair_swizzle_ps(const float * gmx_restrict p1,
 113                              const float * gmx_restrict p2,
 114                              const float * gmx_restrict p3,
 115                              const float * gmx_restrict p4,
 116                              __m128 * gmx_restrict      c6,
 117                              __m128 * gmx_restrict      c12)
 118 {
 119     __m128 t1, t2, t3, t4;
 120
 121     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p1);   /* - - c12a  c6a */
 122     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p2);   /* - - c12b  c6b */
 123     t3   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p3);   /* - - c12c  c6c */
 124     t4   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)p4);   /* - - c12d  c6d */
 125     t1   = _mm_unpacklo_ps(t1, t2);
 126     t2   = _mm_unpacklo_ps(t3, t4);
 127     *c6  = _mm_movelh_ps(t1, t2);
 128     *c12 = _mm_movehl_ps(t2, t1);
 129 }
 130
 131
 132 static gmx_inline void gmx_simdcall
 133 gmx_mm_load_shift_and_1rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 134                                          const float * gmx_restrict xyz,
 135                                          __m128 * gmx_restrict      x1,
 136                                          __m128 * gmx_restrict      y1,
 137                                          __m128 * gmx_restrict      z1)
 138 {
 139     __m128 t1, t2, t3, t4;
 140
 141     t1   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 142     t2   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz);
 143     t3   = _mm_load_ss(xyz_shift+2);
 144     t4   = _mm_load_ss(xyz+2);
 145     t1   = _mm_add_ps(t1, t2);
 146     t3   = _mm_add_ss(t3, t4);
 147
 148     *x1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(0, 0, 0, 0));
 149     *y1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(1, 1, 1, 1));
 150     *z1  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(0, 0, 0, 0));
 151 }
 152
 153
 154 static gmx_inline void gmx_simdcall
 155 gmx_mm_load_shift_and_3rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 156                                          const float * gmx_restrict xyz,
 157                                          __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 158                                          __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 159                                          __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3)
 160 {
 161     __m128 tA, tB;
 162     __m128 t1, t2, t3, t4, t5, t6;
 163
 164     tA   = _mm_loadl_pi(_mm_setzero_ps(), (__m64 *)xyz_shift);
 165     tB   = _mm_load_ss(xyz_shift+2);
 166
 167     t1   = _mm_loadu_ps(xyz);
 168     t2   = _mm_loadu_ps(xyz+4);
 169     t3   = _mm_load_ss(xyz+8);
 170
 171     tA   = _mm_movelh_ps(tA, tB);
 172     t4   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(0, 2, 1, 0));
 173     t5   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(1, 0, 2, 1));
 174     t6   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(2, 1, 0, 2));
 175
 176     t1   = _mm_add_ps(t1, t4);
 177     t2   = _mm_add_ps(t2, t5);
 178     t3   = _mm_add_ss(t3, t6);
 179
 180     *x1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(0, 0, 0, 0));
 181     *y1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(1, 1, 1, 1));
 182     *z1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(2, 2, 2, 2));
 183     *x2  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(3, 3, 3, 3));
 184     *y2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(0, 0, 0, 0));
 185     *z2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(1, 1, 1, 1));
 186     *x3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(2, 2, 2, 2));
 187     *y3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(3, 3, 3, 3));
 188     *z3  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(0, 0, 0, 0));
 189 }
 190
 191
 192 static gmx_inline void gmx_simdcall
 193 gmx_mm_load_shift_and_4rvec_broadcast_ps(const float * gmx_restrict xyz_shift,
 194                                          const float * gmx_restrict xyz,
 195                                          __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 196                                          __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 197                                          __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3,
 198                                          __m128 * gmx_restrict x4, __m128 * gmx_restrict y4, __m128 * gmx_restrict z4)
 199 {
 200     __m128 tA, tB;
 201     __m128 t1, t2, t3, t4, t5, t6;
 202
 203     tA   = _mm_castpd_ps(_mm_load_sd((const double *)xyz_shift));
 204     tB   = _mm_load_ss(xyz_shift+2);
 205
 206     t1   = _mm_loadu_ps(xyz);
 207     t2   = _mm_loadu_ps(xyz+4);
 208     t3   = _mm_loadu_ps(xyz+8);
 209
 210     tA   = _mm_movelh_ps(tA, tB);
 211     t4   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(0, 2, 1, 0));
 212     t5   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(1, 0, 2, 1));
 213     t6   = _mm_shuffle_ps(tA, tA, _MM_SHUFFLE(2, 1, 0, 2));
 214
 215     t1   = _mm_add_ps(t1, t4);
 216     t2   = _mm_add_ps(t2, t5);
 217     t3   = _mm_add_ps(t3, t6);
 218
 219     *x1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(0, 0, 0, 0));
 220     *y1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(1, 1, 1, 1));
 221     *z1  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(2, 2, 2, 2));
 222     *x2  = _mm_shuffle_ps(t1, t1, _MM_SHUFFLE(3, 3, 3, 3));
 223     *y2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(0, 0, 0, 0));
 224     *z2  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(1, 1, 1, 1));
 225     *x3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(2, 2, 2, 2));
 226     *y3  = _mm_shuffle_ps(t2, t2, _MM_SHUFFLE(3, 3, 3, 3));
 227     *z3  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(0, 0, 0, 0));
 228     *x4  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(1, 1, 1, 1));
 229     *y4  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(2, 2, 2, 2));
 230     *z4  = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(3, 3, 3, 3));
 231 }
 232
 233
 234 static gmx_inline void gmx_simdcall
 235 gmx_mm_load_1rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA,
 236                                   const float * gmx_restrict ptrB,
 237                                   const float * gmx_restrict ptrC,
 238                                   const float * gmx_restrict ptrD,
 239                                   __m128 *      gmx_restrict x1,
 240                                   __m128 *      gmx_restrict y1,
 241                                   __m128 *      gmx_restrict z1)
 242 {
 243     __m128 t1, t2, t3, t4, t5, t6, t7, t8;
 244     t1   = _mm_castpd_ps(_mm_load_sd((const double *)ptrA));
 245     t2   = _mm_castpd_ps(_mm_load_sd((const double *)ptrB));
 246     t3   = _mm_castpd_ps(_mm_load_sd((const double *)ptrC));
 247     t4   = _mm_castpd_ps(_mm_load_sd((const double *)ptrD));
 248     t5   = _mm_load_ss(ptrA+2);
 249     t6   = _mm_load_ss(ptrB+2);
 250     t7   = _mm_load_ss(ptrC+2);
 251     t8   = _mm_load_ss(ptrD+2);
 252     t1   = _mm_unpacklo_ps(t1, t2);
 253     t3   = _mm_unpacklo_ps(t3, t4);
 254     *x1  = _mm_movelh_ps(t1, t3);
 255     *y1  = _mm_movehl_ps(t3, t1);
 256     t5   = _mm_unpacklo_ps(t5, t6);
 257     t7   = _mm_unpacklo_ps(t7, t8);
 258     *z1  = _mm_movelh_ps(t5, t7);
 259 }
 260
 261
 262 static gmx_inline void gmx_simdcall
 263 gmx_mm_load_3rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA,
 264                                   const float * gmx_restrict ptrB,
 265                                   const float * gmx_restrict ptrC,
 266                                   const float * gmx_restrict ptrD,
 267                                   __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 268                                   __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 269                                   __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3)
 270 {
 271     __m128 t1, t2, t3, t4;
 272     t1            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)ptrA ) );
 273     t2            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)ptrB ) );
 274     t3            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)ptrC ) );
 275     t4            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)ptrD ) );
 276     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 277     *x1           = t1;
 278     *y1           = t2;
 279     *z1           = t3;
 280     *x2           = t4;
 281     t1            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrA+4) ) );
 282     t2            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrB+4) ) );
 283     t3            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrC+4) ) );
 284     t4            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrD+4) ) );
 285     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 286     *y2           = t1;
 287     *z2           = t2;
 288     *x3           = t3;
 289     *y3           = t4;
 290     t1            = _mm_load_ss(ptrA+8);
 291     t2            = _mm_load_ss(ptrB+8);
 292     t3            = _mm_load_ss(ptrC+8);
 293     t4            = _mm_load_ss(ptrD+8);
 294     t1            = _mm_unpacklo_ps(t1, t3);
 295     t3            = _mm_unpacklo_ps(t2, t4);
 296     *z3           = _mm_unpacklo_ps(t1, t3);
 297 }
 298
 299
 300 static gmx_inline void gmx_simdcall
 301 gmx_mm_load_4rvec_4ptr_swizzle_ps(const float * gmx_restrict ptrA,
 302                                   const float * gmx_restrict ptrB,
 303                                   const float * gmx_restrict ptrC,
 304                                   const float * gmx_restrict ptrD,
 305                                   __m128 * gmx_restrict x1, __m128 * gmx_restrict y1, __m128 * gmx_restrict z1,
 306                                   __m128 * gmx_restrict x2, __m128 * gmx_restrict y2, __m128 * gmx_restrict z2,
 307                                   __m128 * gmx_restrict x3, __m128 * gmx_restrict y3, __m128 * gmx_restrict z3,
 308                                   __m128 * gmx_restrict x4, __m128 * gmx_restrict y4, __m128 * gmx_restrict z4)
 309 {
 310     __m128 t1, t2, t3, t4;
 311     t1            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrA) ) );
 312     t2            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrB) ) );
 313     t3            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrC) ) );
 314     t4            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrD) ) );
 315     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 316     *x1           = t1;
 317     *y1           = t2;
 318     *z1           = t3;
 319     *x2           = t4;
 320     t1            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrA+4) ) );
 321     t2            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrB+4) ) );
 322     t3            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrC+4) ) );
 323     t4            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrD+4) ) );
 324     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 325     *y2           = t1;
 326     *z2           = t2;
 327     *x3           = t3;
 328     *y3           = t4;
 329     t1            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrA+8) ) );
 330     t2            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrB+8) ) );
 331     t3            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrC+8) ) );
 332     t4            = gmx_mm_castsi128_ps( _mm_lddqu_si128( (void *)(ptrD+8) ) );
 333     _MM_TRANSPOSE4_PS(t1, t2, t3, t4);
 334     *z3           = t1;
 335     *x4           = t2;
 336     *y4           = t3;
 337     *z4           = t4;
 338 }
 339
 340
 341
 342 static gmx_inline void gmx_simdcall
 343 gmx_mm_decrement_1rvec_4ptr_swizzle_ps(float * ptrA,
 344                                        float * ptrB,
 345                                        float * ptrC,
 346                                        float * ptrD,
 347                                        __m128 x1, __m128 y1, __m128 z1)
 348 {
 349     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11, t12;
 350     t5          = _mm_unpacklo_ps(y1, z1);
 351     t6          = _mm_unpackhi_ps(y1, z1);
 352     t7          = _mm_shuffle_ps(x1, t5, _MM_SHUFFLE(1, 0, 0, 0));
 353     t8          = _mm_shuffle_ps(x1, t5, _MM_SHUFFLE(3, 2, 0, 1));
 354     t9          = _mm_shuffle_ps(x1, t6, _MM_SHUFFLE(1, 0, 0, 2));
 355     t10         = _mm_shuffle_ps(x1, t6, _MM_SHUFFLE(3, 2, 0, 3));
 356     t1          = _mm_load_ss(ptrA);
 357     t1          = _mm_loadh_pi(t1, (__m64 *)(ptrA+1));
 358     t1          = _mm_sub_ps(t1, t7);
 359     _mm_store_ss(ptrA, t1);
 360     _mm_storeh_pi((__m64 *)(ptrA+1), t1);
 361     t2          = _mm_load_ss(ptrB);
 362     t2          = _mm_loadh_pi(t2, (__m64 *)(ptrB+1));
 363     t2          = _mm_sub_ps(t2, t8);
 364     _mm_store_ss(ptrB, t2);
 365     _mm_storeh_pi((__m64 *)(ptrB+1), t2);
 366     t3          = _mm_load_ss(ptrC);
 367     t3          = _mm_loadh_pi(t3, (__m64 *)(ptrC+1));
 368     t3          = _mm_sub_ps(t3, t9);
 369     _mm_store_ss(ptrC, t3);
 370     _mm_storeh_pi((__m64 *)(ptrC+1), t3);
 371     t4          = _mm_load_ss(ptrD);
 372     t4          = _mm_loadh_pi(t4, (__m64 *)(ptrD+1));
 373     t4          = _mm_sub_ps(t4, t10);
 374     _mm_store_ss(ptrD, t4);
 375     _mm_storeh_pi((__m64 *)(ptrD+1), t4);
 376 }
 377
 378
 379
 380 static gmx_inline void gmx_simdcall
 381 gmx_mm_decrement_3rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 382                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 383                                        __m128 x1, __m128 y1, __m128 z1,
 384                                        __m128 x2, __m128 y2, __m128 z2,
 385                                        __m128 x3, __m128 y3, __m128 z3)
 386 {
 387     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10;
 388     __m128 t11, t12, t13, t14, t15, t16, t17, t18, t19;
 389     __m128 t20, t21, t22, t23, t24, t25;
 390
 391     t13         = _mm_unpackhi_ps(x1, y1);
 392     x1          = _mm_unpacklo_ps(x1, y1);
 393     t14         = _mm_unpackhi_ps(z1, x2);
 394     z1          = _mm_unpacklo_ps(z1, x2);
 395     t15         = _mm_unpackhi_ps(y2, z2);
 396     y2          = _mm_unpacklo_ps(y2, z2);
 397     t16         = _mm_unpackhi_ps(x3, y3);
 398     x3          = _mm_unpacklo_ps(x3, y3);
 399     t17         = _mm_shuffle_ps(z3, z3, _MM_SHUFFLE(0, 0, 0, 1));
 400     t18         = _mm_movehl_ps(z3, z3);
 401     t19         = _mm_shuffle_ps(t18, t18, _MM_SHUFFLE(0, 0, 0, 1));
 402     t20         = _mm_movelh_ps(x1, z1);
 403     t21         = _mm_movehl_ps(z1, x1);
 404     t22         = _mm_movelh_ps(t13, t14);
 405     t14         = _mm_movehl_ps(t14, t13);
 406     t23         = _mm_movelh_ps(y2, x3);
 407     t24         = _mm_movehl_ps(x3, y2);
 408     t25         = _mm_movelh_ps(t15, t16);
 409     t16         = _mm_movehl_ps(t16, t15);
 410     t1          = _mm_loadu_ps(ptrA);
 411     t2          = _mm_loadu_ps(ptrA+4);
 412     t3          = _mm_load_ss(ptrA+8);
 413     t4          = _mm_loadu_ps(ptrB);
 414     t5          = _mm_loadu_ps(ptrB+4);
 415     t6          = _mm_load_ss(ptrB+8);
 416     t7          = _mm_loadu_ps(ptrC);
 417     t8          = _mm_loadu_ps(ptrC+4);
 418     t9          = _mm_load_ss(ptrC+8);
 419     t10         = _mm_loadu_ps(ptrD);
 420     t11         = _mm_loadu_ps(ptrD+4);
 421     t12         = _mm_load_ss(ptrD+8);
 422
 423     t1          = _mm_sub_ps(t1, t20);
 424     t2          = _mm_sub_ps(t2, t23);
 425     t3          = _mm_sub_ss(t3, z3);
 426     _mm_storeu_ps(ptrA, t1);
 427     _mm_storeu_ps(ptrA+4, t2);
 428     _mm_store_ss(ptrA+8, t3);
 429     t4          = _mm_sub_ps(t4, t21);
 430     t5          = _mm_sub_ps(t5, t24);
 431     t6          = _mm_sub_ss(t6, t17);
 432     _mm_storeu_ps(ptrB, t4);
 433     _mm_storeu_ps(ptrB+4, t5);
 434     _mm_store_ss(ptrB+8, t6);
 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_sub_ps(t10, t14);
 442     t11         = _mm_sub_ps(t11, t16);
 443     t12         = _mm_sub_ss(t12, t19);
 444     _mm_storeu_ps(ptrD, t10);
 445     _mm_storeu_ps(ptrD+4, t11);
 446     _mm_store_ss(ptrD+8, t12);
 447 }
 448
 449
 450 static gmx_inline void gmx_simdcall
 451 gmx_mm_decrement_4rvec_4ptr_swizzle_ps(float * gmx_restrict ptrA, float * gmx_restrict ptrB,
 452                                        float * gmx_restrict ptrC, float * gmx_restrict ptrD,
 453                                        __m128 x1, __m128 y1, __m128 z1,
 454                                        __m128 x2, __m128 y2, __m128 z2,
 455                                        __m128 x3, __m128 y3, __m128 z3,
 456                                        __m128 x4, __m128 y4, __m128 z4)
 457 {
 458     __m128 t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11;
 459     __m128 t12, t13, t14, t15, t16, t17, t18, t19, t20, t21, t22;
 460     __m128 t23, t24;
 461     t13         = _mm_unpackhi_ps(x1, y1);
 462     x1          = _mm_unpacklo_ps(x1, y1);
 463     t14         = _mm_unpackhi_ps(z1, x2);
 464     z1          = _mm_unpacklo_ps(z1, x2);
 465     t15         = _mm_unpackhi_ps(y2, z2);
 466     y2          = _mm_unpacklo_ps(y2, z2);
 467     t16         = _mm_unpackhi_ps(x3, y3);
 468     x3          = _mm_unpacklo_ps(x3, y3);
 469     t17         = _mm_unpackhi_ps(z3, x4);
 470     z3          = _mm_unpacklo_ps(z3, x4);
 471     t18         = _mm_unpackhi_ps(y4, z4);
 472     y4          = _mm_unpacklo_ps(y4, z4);
 473     t19         = _mm_movelh_ps(x1, z1);
 474     z1          = _mm_movehl_ps(z1, x1);
 475     t20         = _mm_movelh_ps(t13, t14);
 476     t14         = _mm_movehl_ps(t14, t13);
 477     t21         = _mm_movelh_ps(y2, x3);
 478     x3          = _mm_movehl_ps(x3, y2);
 479     t22         = _mm_movelh_ps(t15, t16);
 480     t16         = _mm_movehl_ps(t16, t15);
 481     t23         = _mm_movelh_ps(z3, y4);
 482     y4          = _mm_movehl_ps(y4, z3);
 483     t24         = _mm_movelh_ps(t17, t18);
 484     t18         = _mm_movehl_ps(t18, t17);
 485     t1          = _mm_loadu_ps(ptrA);
 486     t2          = _mm_loadu_ps(ptrA+4);
 487     t3          = _mm_loadu_ps(ptrA+8);
 488     t1          = _mm_sub_ps(t1, t19);
 489     t2          = _mm_sub_ps(t2, t21);
 490     t3          = _mm_sub_ps(t3, t23);
 491     _mm_storeu_ps(ptrA, t1);
 492     _mm_storeu_ps(ptrA+4, t2);
 493     _mm_storeu_ps(ptrA+8, t3);
 494     t4          = _mm_loadu_ps(ptrB);
 495     t5          = _mm_loadu_ps(ptrB+4);
 496     t6          = _mm_loadu_ps(ptrB+8);
 497     t4          = _mm_sub_ps(t4, z1);
 498     t5          = _mm_sub_ps(t5, x3);
 499     t6          = _mm_sub_ps(t6, y4);
 500     _mm_storeu_ps(ptrB, t4);
 501     _mm_storeu_ps(ptrB+4, t5);
 502     _mm_storeu_ps(ptrB+8, t6);
 503     t7          = _mm_loadu_ps(ptrC);
 504     t8          = _mm_loadu_ps(ptrC+4);
 505     t9          = _mm_loadu_ps(ptrC+8);
 506     t7          = _mm_sub_ps(t7, t20);
 507     t8          = _mm_sub_ps(t8, t22);
 508     t9          = _mm_sub_ps(t9, t24);
 509     _mm_storeu_ps(ptrC, t7);
 510     _mm_storeu_ps(ptrC+4, t8);
 511     _mm_storeu_ps(ptrC+8, t9);
 512     t10         = _mm_loadu_ps(ptrD);
 513     t11         = _mm_loadu_ps(ptrD+4);
 514     t12         = _mm_loadu_ps(ptrD+8);
 515     t10         = _mm_sub_ps(t10, t14);
 516     t11         = _mm_sub_ps(t11, t16);
 517     t12         = _mm_sub_ps(t12, t18);
 518     _mm_storeu_ps(ptrD, t10);
 519     _mm_storeu_ps(ptrD+4, t11);
 520     _mm_storeu_ps(ptrD+8, t12);
 521 }
 522
 523
 524 static gmx_inline void gmx_simdcall
 525 gmx_mm_update_iforce_1atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 526                                       float * gmx_restrict fptr,
 527                                       float * gmx_restrict fshiftptr)
 528 {
 529     __m128 t2, t3;
 530
 531     fix1 = _mm_hadd_ps(fix1, fix1);
 532     fiy1 = _mm_hadd_ps(fiy1, fiz1);
 533
 534     fix1 = _mm_hadd_ps(fix1, fiy1); /* fiz1 fiy1 fix1 fix1 */
 535
 536     t2 = _mm_load_ss(fptr);
 537     t2 = _mm_loadh_pi(t2, (__m64 *)(fptr+1));
 538     t3 = _mm_load_ss(fshiftptr);
 539     t3 = _mm_loadh_pi(t3, (__m64 *)(fshiftptr+1));
 540
 541     t2 = _mm_add_ps(t2, fix1);
 542     t3 = _mm_add_ps(t3, fix1);
 543
 544     _mm_store_ss(fptr, t2);
 545     _mm_storeh_pi((__m64 *)(fptr+1), t2);
 546     _mm_store_ss(fshiftptr, t3);
 547     _mm_storeh_pi((__m64 *)(fshiftptr+1), t3);
 548 }
 549
 550
 551 static gmx_inline void gmx_simdcall
 552 gmx_mm_update_iforce_3atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 553                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 554                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 555                                       float * gmx_restrict fptr,
 556                                       float * gmx_restrict fshiftptr)
 557 {
 558     __m128 t1, t2, t3, t4;
 559
 560     fix1 = _mm_hadd_ps(fix1, fiy1);
 561     fiz1 = _mm_hadd_ps(fiz1, fix2);
 562     fiy2 = _mm_hadd_ps(fiy2, fiz2);
 563     fix3 = _mm_hadd_ps(fix3, fiy3);
 564     fiz3 = _mm_hadd_ps(fiz3, fiz3);
 565
 566     fix1 = _mm_hadd_ps(fix1, fiz1); /* fix2 fiz1 fiy1 fix1 */
 567     fiy2 = _mm_hadd_ps(fiy2, fix3); /* fiy3 fix3 fiz2 fiy2 */
 568     fiz3 = _mm_hadd_ps(fiz3, fiz3); /*  -    -    -   fiz3 */
 569
 570     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 571     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 572     _mm_store_ss (fptr+8, _mm_add_ss(fiz3, _mm_load_ss(fptr+8) ));
 573
 574     t4 = _mm_load_ss(fshiftptr+2);
 575     t4 = _mm_loadh_pi(t4, (__m64 *)(fshiftptr));
 576
 577     t1 = _mm_shuffle_ps(fiz3, fix1, _MM_SHUFFLE(1, 0, 0, 0)); /* fiy1 fix1  -   fiz3 */
 578     t2 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(3, 2, 2, 2)); /* fiy3 fix3  -   fiz1 */
 579     t3 = _mm_shuffle_ps(fiy2, fix1, _MM_SHUFFLE(3, 3, 0, 1)); /* fix2 fix2 fiy2 fiz2 */
 580     t3 = _mm_shuffle_ps(t3, t3, _MM_SHUFFLE(1, 2, 0, 0));     /* fiy2 fix2  -   fiz2 */
 581
 582     t1 = _mm_add_ps(t1, t2);
 583     t3 = _mm_add_ps(t3, t4);
 584     t1 = _mm_add_ps(t1, t3); /* y x - z */
 585
 586     _mm_store_ss(fshiftptr+2, t1);
 587     _mm_storeh_pi((__m64 *)(fshiftptr), t1);
 588 }
 589
 590
 591 static gmx_inline void gmx_simdcall
 592 gmx_mm_update_iforce_4atom_swizzle_ps(__m128 fix1, __m128 fiy1, __m128 fiz1,
 593                                       __m128 fix2, __m128 fiy2, __m128 fiz2,
 594                                       __m128 fix3, __m128 fiy3, __m128 fiz3,
 595                                       __m128 fix4, __m128 fiy4, __m128 fiz4,
 596                                       float * gmx_restrict fptr,
 597                                       float * gmx_restrict fshiftptr)
 598 {
 599     __m128 t1, t2, t3, t4, t5;
 600
 601     fix1 = _mm_hadd_ps(fix1, fiy1);
 602     fiz1 = _mm_hadd_ps(fiz1, fix2);
 603     fiy2 = _mm_hadd_ps(fiy2, fiz2);
 604     fix3 = _mm_hadd_ps(fix3, fiy3);
 605     fiz3 = _mm_hadd_ps(fiz3, fix4);
 606     fiy4 = _mm_hadd_ps(fiy4, fiz4);
 607
 608     fix1 = _mm_hadd_ps(fix1, fiz1); /* fix2 fiz1 fiy1 fix1 */
 609     fiy2 = _mm_hadd_ps(fiy2, fix3); /* fiy3 fix3 fiz2 fiy2 */
 610     fiz3 = _mm_hadd_ps(fiz3, fiy4); /* fiz4 fiy4 fix4 fiz3 */
 611
 612     _mm_storeu_ps(fptr,  _mm_add_ps(fix1, _mm_loadu_ps(fptr)  ));
 613     _mm_storeu_ps(fptr+4, _mm_add_ps(fiy2, _mm_loadu_ps(fptr+4)));
 614     _mm_storeu_ps(fptr+8, _mm_add_ps(fiz3, _mm_loadu_ps(fptr+8)));
 615
 616     t5 = _mm_load_ss(fshiftptr+2);
 617     t5 = _mm_loadh_pi(t5, (__m64 *)(fshiftptr));
 618
 619     t1 = _mm_shuffle_ps(fix1, fix1, _MM_SHUFFLE(1, 0, 2, 2));
 620     t2 = _mm_shuffle_ps(fiy2, fiy2, _MM_SHUFFLE(3, 2, 1, 1));
 621     t3 = _mm_shuffle_ps(fiz3, fiz3, _MM_SHUFFLE(2, 1, 0, 0));
 622     t4 = _mm_shuffle_ps(fix1, fiy2, _MM_SHUFFLE(0, 0, 3, 3));
 623     t4 = _mm_shuffle_ps(fiz3, t4, _MM_SHUFFLE(2, 0, 3, 3));
 624
 625     t1 = _mm_add_ps(t1, t2);
 626     t3 = _mm_add_ps(t3, t4);
 627     t1 = _mm_add_ps(t1, t3);
 628     t5 = _mm_add_ps(t5, t1);
 629
 630     _mm_store_ss(fshiftptr+2, t5);
 631     _mm_storeh_pi((__m64 *)(fshiftptr), t5);
 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_sse4_1_single_h_ */