FastMath test3

Average Accuracy: 98.0% → 100.0%

Time: 6.2s

Precision: binary64

Cost: 6848

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

• 20.3% 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	98.0%
Target	99.9%
Herbie	100.0%

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

Derivation

1. Initial program 98.7%

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

2. Simplified 99.9%

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

   [Start] 98.7	\[ \left(d1 \cdot 3 + d1 \cdot d2\right) + d1 \cdot d3 \]
   distribute-lft-out [=>] 98.7	\[ \color{blue}{d1 \cdot \left(3 + d2\right)} + d1 \cdot d3 \]
   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	456

\[\begin{array}{l} \mathbf{if}\;d2 \leq -100000000:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d2 \leq 3.5 \cdot 10^{-241}:\\ \;\;\;\;d1 \cdot 3\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 2
Accuracy	76.5%
Cost	452

\[\begin{array}{l} \mathbf{if}\;d2 \leq -2.3 \cdot 10^{+16}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(3 + d3\right)\\ \end{array} \]

Alternative 3
Accuracy	81.8%
Cost	452

\[\begin{array}{l} \mathbf{if}\;d2 \leq -100000000:\\ \;\;\;\;d1 \cdot \left(d2 + d3\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(3 + d3\right)\\ \end{array} \]

Alternative 4
Accuracy	80.9%
Cost	452

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

Alternative 5
Accuracy	99.9%
Cost	448

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

Alternative 6
Accuracy	44.8%
Cost	324

\[\begin{array}{l} \mathbf{if}\;d3 \leq 3:\\ \;\;\;\;d1 \cdot 3\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 7
Accuracy	27.2%
Cost	192

\[d1 \cdot 3 \]

Reproduce

herbie shell --seed 2023160 
(FPCore (d1 d2 d3)
  :name "FastMath test3"
  :precision binary64

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

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