Maksimov and Kolovsky, Equation (4)

Average Error: 17.4 → 0.3

Time: 17.1s

Precision: binary64

Cost: 27264

Math

\[\left(J \cdot \left(e^{\ell} - e^{-\ell}\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

↓

\[\left(J \cdot \left(0.3333333333333333 \cdot {\ell}^{3} + \left(2 \cdot \ell + \left(0.0003968253968253968 \cdot {\ell}^{7} + 0.016666666666666666 \cdot {\ell}^{5}\right)\right)\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

FPCore

(FPCore (J l K U)
 :precision binary64
 (+ (* (* J (- (exp l) (exp (- l)))) (cos (/ K 2.0))) U))

↓

(FPCore (J l K U)
 :precision binary64
 (+
  (*
   (*
    J
    (+
     (* 0.3333333333333333 (pow l 3.0))
     (+
      (* 2.0 l)
      (+
       (* 0.0003968253968253968 (pow l 7.0))
       (* 0.016666666666666666 (pow l 5.0))))))
   (cos (/ K 2.0)))
  U))

C

double code(double J, double l, double K, double U) {
	return ((J * (exp(l) - exp(-l))) * cos((K / 2.0))) + U;
}

↓

double code(double J, double l, double K, double U) {
	return ((J * ((0.3333333333333333 * pow(l, 3.0)) + ((2.0 * l) + ((0.0003968253968253968 * pow(l, 7.0)) + (0.016666666666666666 * pow(l, 5.0)))))) * cos((K / 2.0))) + U;
}

Fortran

real(8) function code(j, l, k, u)
    real(8), intent (in) :: j
    real(8), intent (in) :: l
    real(8), intent (in) :: k
    real(8), intent (in) :: u
    code = ((j * (exp(l) - exp(-l))) * cos((k / 2.0d0))) + u
end function

↓

real(8) function code(j, l, k, u)
    real(8), intent (in) :: j
    real(8), intent (in) :: l
    real(8), intent (in) :: k
    real(8), intent (in) :: u
    code = ((j * ((0.3333333333333333d0 * (l ** 3.0d0)) + ((2.0d0 * l) + ((0.0003968253968253968d0 * (l ** 7.0d0)) + (0.016666666666666666d0 * (l ** 5.0d0)))))) * cos((k / 2.0d0))) + u
end function

Java

public static double code(double J, double l, double K, double U) {
	return ((J * (Math.exp(l) - Math.exp(-l))) * Math.cos((K / 2.0))) + U;
}

↓

public static double code(double J, double l, double K, double U) {
	return ((J * ((0.3333333333333333 * Math.pow(l, 3.0)) + ((2.0 * l) + ((0.0003968253968253968 * Math.pow(l, 7.0)) + (0.016666666666666666 * Math.pow(l, 5.0)))))) * Math.cos((K / 2.0))) + U;
}

Python

def code(J, l, K, U):
	return ((J * (math.exp(l) - math.exp(-l))) * math.cos((K / 2.0))) + U

↓

def code(J, l, K, U):
	return ((J * ((0.3333333333333333 * math.pow(l, 3.0)) + ((2.0 * l) + ((0.0003968253968253968 * math.pow(l, 7.0)) + (0.016666666666666666 * math.pow(l, 5.0)))))) * math.cos((K / 2.0))) + U

Julia

function code(J, l, K, U)
	return Float64(Float64(Float64(J * Float64(exp(l) - exp(Float64(-l)))) * cos(Float64(K / 2.0))) + U)
end

↓

function code(J, l, K, U)
	return Float64(Float64(Float64(J * Float64(Float64(0.3333333333333333 * (l ^ 3.0)) + Float64(Float64(2.0 * l) + Float64(Float64(0.0003968253968253968 * (l ^ 7.0)) + Float64(0.016666666666666666 * (l ^ 5.0)))))) * cos(Float64(K / 2.0))) + U)
end

MATLAB

function tmp = code(J, l, K, U)
	tmp = ((J * (exp(l) - exp(-l))) * cos((K / 2.0))) + U;
end

↓

function tmp = code(J, l, K, U)
	tmp = ((J * ((0.3333333333333333 * (l ^ 3.0)) + ((2.0 * l) + ((0.0003968253968253968 * (l ^ 7.0)) + (0.016666666666666666 * (l ^ 5.0)))))) * cos((K / 2.0))) + U;
end

Wolfram

code[J_, l_, K_, U_] := N[(N[(N[(J * N[(N[Exp[l], $MachinePrecision] - N[Exp[(-l)], $MachinePrecision]), $MachinePrecision]), $MachinePrecision] * N[Cos[N[(K / 2.0), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] + U), $MachinePrecision]

↓

code[J_, l_, K_, U_] := N[(N[(N[(J * N[(N[(0.3333333333333333 * N[Power[l, 3.0], $MachinePrecision]), $MachinePrecision] + N[(N[(2.0 * l), $MachinePrecision] + N[(N[(0.0003968253968253968 * N[Power[l, 7.0], $MachinePrecision]), $MachinePrecision] + N[(0.016666666666666666 * N[Power[l, 5.0], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] * N[Cos[N[(K / 2.0), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] + U), $MachinePrecision]

Derivation

1. Initial program 17.4

   \[\left(J \cdot \left(e^{\ell} - e^{-\ell}\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

2. Taylor expanded in l around 0 0.3

   \[\leadsto \left(J \cdot \color{blue}{\left(0.3333333333333333 \cdot {\ell}^{3} + \left(0.0003968253968253968 \cdot {\ell}^{7} + \left(0.016666666666666666 \cdot {\ell}^{5} + 2 \cdot \ell\right)\right)\right)}\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

3. Simplified 0.3

   \[\leadsto \left(J \cdot \color{blue}{\left(0.3333333333333333 \cdot {\ell}^{3} + \left(2 \cdot \ell + \left(0.0003968253968253968 \cdot {\ell}^{7} + 0.016666666666666666 \cdot {\ell}^{5}\right)\right)\right)}\right) \cdot \cos \left(\frac{K}{2}\right) + U \]
   Proof

   [Start] 0.3	\[ \left(J \cdot \left(0.3333333333333333 \cdot {\ell}^{3} + \left(0.0003968253968253968 \cdot {\ell}^{7} + \left(0.016666666666666666 \cdot {\ell}^{5} + 2 \cdot \ell\right)\right)\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]
   rational_best_oopsla_all_46_json_45_simplify-35 [=>] 0.3	\[ \left(J \cdot \left(0.3333333333333333 \cdot {\ell}^{3} + \left(0.0003968253968253968 \cdot {\ell}^{7} + \color{blue}{\left(2 \cdot \ell + 0.016666666666666666 \cdot {\ell}^{5}\right)}\right)\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]
   rational_best_oopsla_all_46_json_45_simplify-82 [=>] 0.3	\[ \left(J \cdot \left(0.3333333333333333 \cdot {\ell}^{3} + \color{blue}{\left(2 \cdot \ell + \left(0.0003968253968253968 \cdot {\ell}^{7} + 0.016666666666666666 \cdot {\ell}^{5}\right)\right)}\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

4. Final simplification 0.3

   \[\leadsto \left(J \cdot \left(0.3333333333333333 \cdot {\ell}^{3} + \left(2 \cdot \ell + \left(0.0003968253968253968 \cdot {\ell}^{7} + 0.016666666666666666 \cdot {\ell}^{5}\right)\right)\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

Alternatives

Alternative 1
Error	0.3
Cost	20544

\[\left(J \cdot \left(2 \cdot \ell + \left(0.3333333333333333 \cdot {\ell}^{3} + 0.016666666666666666 \cdot {\ell}^{5}\right)\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

Alternative 2
Error	0.4
Cost	13824

\[\left(J \cdot \left(2 \cdot \ell + 0.3333333333333333 \cdot {\ell}^{3}\right)\right) \cdot \cos \left(\frac{K}{2}\right) + U \]

Alternative 3
Error	9.9
Cost	7504

\[\begin{array}{l} t_0 := \cos \left(0.5 \cdot K\right) \cdot \left(J \cdot \left(2 \cdot \ell\right)\right)\\ t_1 := \ell \cdot \left(2 \cdot J\right) + U\\ \mathbf{if}\;U \leq -6.5 \cdot 10^{-61}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;U \leq -3.3 \cdot 10^{-79}:\\ \;\;\;\;t_0\\ \mathbf{elif}\;U \leq -1.1 \cdot 10^{-151}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;U \leq 2.6 \cdot 10^{-248}:\\ \;\;\;\;t_0\\ \mathbf{else}:\\ \;\;\;\;t_1\\ \end{array} \]

Alternative 4
Error	0.6
Cost	7104

\[J \cdot \left(\left(2 \cdot \ell\right) \cdot \cos \left(\frac{K}{2}\right)\right) + U \]

Alternative 5
Error	9.2
Cost	448

\[\ell \cdot \left(2 \cdot J\right) + U \]

Alternative 6
Error	18.6
Cost	64

\[U \]

Reproduce

herbie shell --seed 2023090 
(FPCore (J l K U)
  :name "Maksimov and Kolovsky, Equation (4)"
  :precision binary64
  (+ (* (* J (- (exp l) (exp (- l)))) (cos (/ K 2.0))) U))