FastMath test3

Percentage Accurate: 97.6% → 100.0%

Time: 3.8s

Precision: binary64

Cost: 6848

• Unsound rule application detected in e-graph. Results may not be sound.

• 21.5% of points produce a very large (infinite) output. You may want to add a precondition.

Math

\[\left(d1 \cdot 3 + d1 \cdot d2\right) + d1 \cdot d3 \]

↓

\[\mathsf{fma}\left(d1, 3, d1 \cdot \left(d2 + d3\right)\right) \]

FPCore

(FPCore (d1 d2 d3) :precision binary64 (+ (+ (* d1 3.0) (* d1 d2)) (* d1 d3)))

↓

(FPCore (d1 d2 d3) :precision binary64 (fma d1 3.0 (* d1 (+ d2 d3))))

C

double code(double d1, double d2, double d3) {
	return ((d1 * 3.0) + (d1 * d2)) + (d1 * d3);
}

↓

double code(double d1, double d2, double d3) {
	return fma(d1, 3.0, (d1 * (d2 + d3)));
}

Julia

function code(d1, d2, d3)
	return Float64(Float64(Float64(d1 * 3.0) + Float64(d1 * d2)) + Float64(d1 * d3))
end

↓

function code(d1, d2, d3)
	return fma(d1, 3.0, Float64(d1 * Float64(d2 + d3)))
end

Wolfram

code[d1_, d2_, d3_] := N[(N[(N[(d1 * 3.0), $MachinePrecision] + N[(d1 * d2), $MachinePrecision]), $MachinePrecision] + N[(d1 * d3), $MachinePrecision]), $MachinePrecision]

↓

code[d1_, d2_, d3_] := N[(d1 * 3.0 + N[(d1 * N[(d2 + d3), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Target

Original	97.6%
Target	99.9%
Herbie	100.0%

\[d1 \cdot \left(\left(3 + d2\right) + d3\right) \]

Derivation

1. Initial program 98.4%

   \[\left(d1 \cdot 3 + d1 \cdot d2\right) + d1 \cdot d3 \]

2. Simplified 99.9%

   \[\leadsto \color{blue}{d1 \cdot \left(\left(3 + d2\right) + d3\right)} \]
   Step-by-step derivation

   [Start] 98.4	\[ \left(d1 \cdot 3 + d1 \cdot d2\right) + d1 \cdot d3 \]
   distribute-lft-out [=>] 98.4	\[ \color{blue}{d1 \cdot \left(3 + d2\right)} + d1 \cdot d3 \]
   distribute-lft-out [=>] 99.9	\[ \color{blue}{d1 \cdot \left(\left(3 + d2\right) + d3\right)} \]

3. Applied egg-rr 100.0%

   \[\leadsto \color{blue}{\mathsf{fma}\left(d1, 3, d1 \cdot \left(d2 + d3\right)\right)} \]
   Step-by-step derivation

   [Start] 99.9	\[ d1 \cdot \left(\left(3 + d2\right) + d3\right) \]
   associate-+l+ [=>] 99.9	\[ d1 \cdot \color{blue}{\left(3 + \left(d2 + d3\right)\right)} \]
   distribute-lft-in [=>] 99.9	\[ \color{blue}{d1 \cdot 3 + d1 \cdot \left(d2 + d3\right)} \]
   fma-def [=>] 100.0	\[ \color{blue}{\mathsf{fma}\left(d1, 3, d1 \cdot \left(d2 + d3\right)\right)} \]

4. Final simplification 100.0%

   \[\leadsto \mathsf{fma}\left(d1, 3, d1 \cdot \left(d2 + d3\right)\right) \]

Alternatives

Alternative 1
Accuracy	51.8%
Cost	852

\[\begin{array}{l} \mathbf{if}\;d3 \leq -1.12 \cdot 10^{-238}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d3 \leq 5.8 \cdot 10^{-235}:\\ \;\;\;\;d1 \cdot 3\\ \mathbf{elif}\;d3 \leq 3.1 \cdot 10^{-220}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d3 \leq 2.4 \cdot 10^{-18}:\\ \;\;\;\;d1 \cdot 3\\ \mathbf{elif}\;d3 \leq 80000000000000:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 2
Accuracy	61.6%
Cost	456

\[\begin{array}{l} \mathbf{if}\;d3 \leq -1.75 \cdot 10^{-34}:\\ \;\;\;\;d1 \cdot d3\\ \mathbf{elif}\;d3 \leq 3:\\ \;\;\;\;d1 \cdot 3\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 3
Accuracy	76.0%
Cost	452

\[\begin{array}{l} \mathbf{if}\;d2 \leq -6.5 \cdot 10^{+36}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(3 + d3\right)\\ \end{array} \]

Alternative 4
Accuracy	75.3%
Cost	452

\[\begin{array}{l} \mathbf{if}\;d3 \leq 4.5 \cdot 10^{-5}:\\ \;\;\;\;d1 \cdot \left(3 + d2\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(3 + d3\right)\\ \end{array} \]

Alternative 5
Accuracy	99.9%
Cost	448

\[d1 \cdot \left(d3 + \left(3 + d2\right)\right) \]

Alternative 6
Accuracy	26.2%
Cost	192

\[d1 \cdot 3 \]

Reproduce

herbie shell --seed 2023159 
(FPCore (d1 d2 d3)
  :name "FastMath test3"
  :precision binary64

  :herbie-target
  (* d1 (+ (+ 3.0 d2) d3))

  (+ (+ (* d1 3.0) (* d1 d2)) (* d1 d3)))