UniformSampleCone 2

Percentage Accurate: 98.9% → 98.9%

Time: 25.4s

Alternatives: 10

Speedup: 1.0×

Specification

\[\left(\left(\left(\left(\left(-10000 \leq xi \land xi \leq 10000\right) \land \left(-10000 \leq yi \land yi \leq 10000\right)\right) \land \left(-10000 \leq zi \land zi \leq 10000\right)\right) \land \left(2.328306437 \cdot 10^{-10} \leq ux \land ux \leq 1\right)\right) \land \left(2.328306437 \cdot 10^{-10} \leq uy \land uy \leq 1\right)\right) \land \left(0 \leq maxCos \land maxCos \leq 1\right)\]

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := \left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\\ t_1 := \sqrt{1 - t_0 \cdot t_0}\\ t_2 := \left(uy \cdot 2\right) \cdot \pi\\ \left(\left(\cos t_2 \cdot t_1\right) \cdot xi + \left(\sin t_2 \cdot t_1\right) \cdot yi\right) + t_0 \cdot zi \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* (* (- 1.0 ux) maxCos) ux))
        (t_1 (sqrt (- 1.0 (* t_0 t_0))))
        (t_2 (* (* uy 2.0) PI)))
   (+ (+ (* (* (cos t_2) t_1) xi) (* (* (sin t_2) t_1) yi)) (* t_0 zi))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ((1.0f - ux) * maxCos) * ux;
	float t_1 = sqrtf((1.0f - (t_0 * t_0)));
	float t_2 = (uy * 2.0f) * ((float) M_PI);
	return (((cosf(t_2) * t_1) * xi) + ((sinf(t_2) * t_1) * yi)) + (t_0 * zi);
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(Float32(Float32(Float32(1.0) - ux) * maxCos) * ux)
	t_1 = sqrt(Float32(Float32(1.0) - Float32(t_0 * t_0)))
	t_2 = Float32(Float32(uy * Float32(2.0)) * Float32(pi))
	return Float32(Float32(Float32(Float32(cos(t_2) * t_1) * xi) + Float32(Float32(sin(t_2) * t_1) * yi)) + Float32(t_0 * zi))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = ((single(1.0) - ux) * maxCos) * ux;
	t_1 = sqrt((single(1.0) - (t_0 * t_0)));
	t_2 = (uy * single(2.0)) * single(pi);
	tmp = (((cos(t_2) * t_1) * xi) + ((sin(t_2) * t_1) * yi)) + (t_0 * zi);
end

Initial Program: 98.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := \left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\\ t_1 := \sqrt{1 - t_0 \cdot t_0}\\ t_2 := \left(uy \cdot 2\right) \cdot \pi\\ \left(\left(\cos t_2 \cdot t_1\right) \cdot xi + \left(\sin t_2 \cdot t_1\right) \cdot yi\right) + t_0 \cdot zi \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* (* (- 1.0 ux) maxCos) ux))
        (t_1 (sqrt (- 1.0 (* t_0 t_0))))
        (t_2 (* (* uy 2.0) PI)))
   (+ (+ (* (* (cos t_2) t_1) xi) (* (* (sin t_2) t_1) yi)) (* t_0 zi))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ((1.0f - ux) * maxCos) * ux;
	float t_1 = sqrtf((1.0f - (t_0 * t_0)));
	float t_2 = (uy * 2.0f) * ((float) M_PI);
	return (((cosf(t_2) * t_1) * xi) + ((sinf(t_2) * t_1) * yi)) + (t_0 * zi);
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(Float32(Float32(Float32(1.0) - ux) * maxCos) * ux)
	t_1 = sqrt(Float32(Float32(1.0) - Float32(t_0 * t_0)))
	t_2 = Float32(Float32(uy * Float32(2.0)) * Float32(pi))
	return Float32(Float32(Float32(Float32(cos(t_2) * t_1) * xi) + Float32(Float32(sin(t_2) * t_1) * yi)) + Float32(t_0 * zi))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = ((single(1.0) - ux) * maxCos) * ux;
	t_1 = sqrt((single(1.0) - (t_0 * t_0)));
	t_2 = (uy * single(2.0)) * single(pi);
	tmp = (((cos(t_2) * t_1) * xi) + ((sin(t_2) * t_1) * yi)) + (t_0 * zi);
end

Alternative 1: 98.9% accurate, 0.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := uy \cdot \left(2 \cdot \pi\right)\\ t_1 := maxCos \cdot \left(ux - ux \cdot ux\right)\\ \mathsf{fma}\left(\sqrt{\mathsf{fma}\left(ux, \left(maxCos \cdot t_1\right) \cdot \left(ux + -1\right), 1\right)}, \mathsf{fma}\left(\cos t_0, xi, \sin t_0 \cdot yi\right), t_1 \cdot zi\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* uy (* 2.0 PI))) (t_1 (* maxCos (- ux (* ux ux)))))
   (fma
    (sqrt (fma ux (* (* maxCos t_1) (+ ux -1.0)) 1.0))
    (fma (cos t_0) xi (* (sin t_0) yi))
    (* t_1 zi))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = uy * (2.0f * ((float) M_PI));
	float t_1 = maxCos * (ux - (ux * ux));
	return fmaf(sqrtf(fmaf(ux, ((maxCos * t_1) * (ux + -1.0f)), 1.0f)), fmaf(cosf(t_0), xi, (sinf(t_0) * yi)), (t_1 * zi));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(uy * Float32(Float32(2.0) * Float32(pi)))
	t_1 = Float32(maxCos * Float32(ux - Float32(ux * ux)))
	return fma(sqrt(fma(ux, Float32(Float32(maxCos * t_1) * Float32(ux + Float32(-1.0))), Float32(1.0))), fma(cos(t_0), xi, Float32(sin(t_0) * yi)), Float32(t_1 * zi))
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

3. Simplified 99.1%

   \[\leadsto \color{blue}{\mathsf{fma}\left(\sqrt{\mathsf{fma}\left(ux, \left(ux + -1\right) \cdot \left(maxCos \cdot \left(maxCos \cdot \left(ux - ux \cdot ux\right)\right)\right), 1\right)}, \mathsf{fma}\left(\cos \left(uy \cdot \left(2 \cdot \pi\right)\right), xi, \sin \left(uy \cdot \left(2 \cdot \pi\right)\right) \cdot yi\right), \left(maxCos \cdot \left(ux - ux \cdot ux\right)\right) \cdot zi\right)} \]

4. Final simplification 99.1%

   \[\leadsto \mathsf{fma}\left(\sqrt{\mathsf{fma}\left(ux, \left(maxCos \cdot \left(maxCos \cdot \left(ux - ux \cdot ux\right)\right)\right) \cdot \left(ux + -1\right), 1\right)}, \mathsf{fma}\left(\cos \left(uy \cdot \left(2 \cdot \pi\right)\right), xi, \sin \left(uy \cdot \left(2 \cdot \pi\right)\right) \cdot yi\right), \left(maxCos \cdot \left(ux - ux \cdot ux\right)\right) \cdot zi\right) \]

Alternative 2: 98.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\\ t_1 := \sqrt{1 - t_0 \cdot t_0}\\ t_2 := \pi \cdot \left(uy \cdot 2\right)\\ \left(xi \cdot \left(\cos t_2 \cdot t_1\right) + yi \cdot \left(t_1 \cdot \sin t_2\right)\right) + zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* ux (* maxCos (+ ux -1.0))))
        (t_1 (sqrt (- 1.0 (* t_0 t_0))))
        (t_2 (* PI (* uy 2.0))))
   (+
    (+ (* xi (* (cos t_2) t_1)) (* yi (* t_1 (sin t_2))))
    (* zi (* ux (* maxCos (- 1.0 ux)))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ux * (maxCos * (ux + -1.0f));
	float t_1 = sqrtf((1.0f - (t_0 * t_0)));
	float t_2 = ((float) M_PI) * (uy * 2.0f);
	return ((xi * (cosf(t_2) * t_1)) + (yi * (t_1 * sinf(t_2)))) + (zi * (ux * (maxCos * (1.0f - ux))));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0))))
	t_1 = sqrt(Float32(Float32(1.0) - Float32(t_0 * t_0)))
	t_2 = Float32(Float32(pi) * Float32(uy * Float32(2.0)))
	return Float32(Float32(Float32(xi * Float32(cos(t_2) * t_1)) + Float32(yi * Float32(t_1 * sin(t_2)))) + Float32(zi * Float32(ux * Float32(maxCos * Float32(Float32(1.0) - ux)))))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = ux * (maxCos * (ux + single(-1.0)));
	t_1 = sqrt((single(1.0) - (t_0 * t_0)));
	t_2 = single(pi) * (uy * single(2.0));
	tmp = ((xi * (cos(t_2) * t_1)) + (yi * (t_1 * sin(t_2)))) + (zi * (ux * (maxCos * (single(1.0) - ux))));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

2. Final simplification 99.1%

   \[\leadsto \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right) + yi \cdot \left(\sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)} \cdot \sin \left(\pi \cdot \left(uy \cdot 2\right)\right)\right)\right) + zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) \]

Alternative 3: 98.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\\ t_1 := \sqrt{1 - t_0 \cdot t_0}\\ t_2 := \pi \cdot \left(uy \cdot 2\right)\\ \left(xi \cdot \left(\cos t_2 \cdot t_1\right) + yi \cdot \left(t_1 \cdot \sin t_2\right)\right) + zi \cdot \left(ux \cdot \left(maxCos - ux \cdot maxCos\right)\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* ux (* maxCos (+ ux -1.0))))
        (t_1 (sqrt (- 1.0 (* t_0 t_0))))
        (t_2 (* PI (* uy 2.0))))
   (+
    (+ (* xi (* (cos t_2) t_1)) (* yi (* t_1 (sin t_2))))
    (* zi (* ux (- maxCos (* ux maxCos)))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ux * (maxCos * (ux + -1.0f));
	float t_1 = sqrtf((1.0f - (t_0 * t_0)));
	float t_2 = ((float) M_PI) * (uy * 2.0f);
	return ((xi * (cosf(t_2) * t_1)) + (yi * (t_1 * sinf(t_2)))) + (zi * (ux * (maxCos - (ux * maxCos))));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0))))
	t_1 = sqrt(Float32(Float32(1.0) - Float32(t_0 * t_0)))
	t_2 = Float32(Float32(pi) * Float32(uy * Float32(2.0)))
	return Float32(Float32(Float32(xi * Float32(cos(t_2) * t_1)) + Float32(yi * Float32(t_1 * sin(t_2)))) + Float32(zi * Float32(ux * Float32(maxCos - Float32(ux * maxCos)))))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = ux * (maxCos * (ux + single(-1.0)));
	t_1 = sqrt((single(1.0) - (t_0 * t_0)));
	t_2 = single(pi) * (uy * single(2.0));
	tmp = ((xi * (cos(t_2) * t_1)) + (yi * (t_1 * sin(t_2)))) + (zi * (ux * (maxCos - (ux * maxCos))));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

2. Taylor expanded in ux around 0 99.1%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\color{blue}{\left(-1 \cdot \left(maxCos \cdot ux\right) + maxCos\right)} \cdot ux\right) \cdot zi \]
3. Step-by-step derivation

   1. mul-1-neg 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(\color{blue}{\left(-maxCos \cdot ux\right)} + maxCos\right) \cdot ux\right) \cdot zi \]

   2. distribute-rgt-neg-out 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(\color{blue}{maxCos \cdot \left(-ux\right)} + maxCos\right) \cdot ux\right) \cdot zi \]

   3. +-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(maxCos + maxCos \cdot \left(-ux\right)\right)} \cdot ux\right) \cdot zi \]

   4. distribute-rgt-neg-out 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(maxCos + \color{blue}{\left(-maxCos \cdot ux\right)}\right) \cdot ux\right) \cdot zi \]

   5. unsub-neg 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(maxCos - maxCos \cdot ux\right)} \cdot ux\right) \cdot zi \]

   6. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(maxCos - \color{blue}{ux \cdot maxCos}\right) \cdot ux\right) \cdot zi \]

4. Simplified 99.1%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\color{blue}{\left(maxCos - ux \cdot maxCos\right)} \cdot ux\right) \cdot zi \]

5. Final simplification 99.1%

   \[\leadsto \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right) + yi \cdot \left(\sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)} \cdot \sin \left(\pi \cdot \left(uy \cdot 2\right)\right)\right)\right) + zi \cdot \left(ux \cdot \left(maxCos - ux \cdot maxCos\right)\right) \]

Alternative 4: 98.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := uy \cdot \left(2 \cdot \pi\right)\\ \mathsf{fma}\left(ux, \left(1 - ux\right) \cdot \left(maxCos \cdot zi\right), \sqrt{1 - ux \cdot \left(ux \cdot \left(maxCos \cdot \left(maxCos \cdot \left(\left(1 - ux\right) \cdot \left(1 - ux\right)\right)\right)\right)\right)} \cdot \left(\sin t_0 \cdot yi + \cos t_0 \cdot xi\right)\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* uy (* 2.0 PI))))
   (fma
    ux
    (* (- 1.0 ux) (* maxCos zi))
    (*
     (sqrt
      (- 1.0 (* ux (* ux (* maxCos (* maxCos (* (- 1.0 ux) (- 1.0 ux))))))))
     (+ (* (sin t_0) yi) (* (cos t_0) xi))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = uy * (2.0f * ((float) M_PI));
	return fmaf(ux, ((1.0f - ux) * (maxCos * zi)), (sqrtf((1.0f - (ux * (ux * (maxCos * (maxCos * ((1.0f - ux) * (1.0f - ux)))))))) * ((sinf(t_0) * yi) + (cosf(t_0) * xi))));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(uy * Float32(Float32(2.0) * Float32(pi)))
	return fma(ux, Float32(Float32(Float32(1.0) - ux) * Float32(maxCos * zi)), Float32(sqrt(Float32(Float32(1.0) - Float32(ux * Float32(ux * Float32(maxCos * Float32(maxCos * Float32(Float32(Float32(1.0) - ux) * Float32(Float32(1.0) - ux)))))))) * Float32(Float32(sin(t_0) * yi) + Float32(cos(t_0) * xi))))
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

3. Simplified 99.0%

   \[\leadsto \color{blue}{\mathsf{fma}\left(ux, \left(1 - ux\right) \cdot \left(maxCos \cdot zi\right), \sqrt{1 - ux \cdot \left(ux \cdot \left(maxCos \cdot \left(maxCos \cdot \left(\left(1 - ux\right) \cdot \left(1 - ux\right)\right)\right)\right)\right)} \cdot \left(\cos \left(uy \cdot \left(2 \cdot \pi\right)\right) \cdot xi + \sin \left(uy \cdot \left(2 \cdot \pi\right)\right) \cdot yi\right)\right)} \]

4. Final simplification 99.0%

   \[\leadsto \mathsf{fma}\left(ux, \left(1 - ux\right) \cdot \left(maxCos \cdot zi\right), \sqrt{1 - ux \cdot \left(ux \cdot \left(maxCos \cdot \left(maxCos \cdot \left(\left(1 - ux\right) \cdot \left(1 - ux\right)\right)\right)\right)\right)} \cdot \left(\sin \left(uy \cdot \left(2 \cdot \pi\right)\right) \cdot yi + \cos \left(uy \cdot \left(2 \cdot \pi\right)\right) \cdot xi\right)\right) \]

Alternative 5: 98.8% accurate, 1.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := \pi \cdot \left(uy \cdot 2\right)\\ t_1 := ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\\ zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) + \left(xi \cdot \left(\cos t_0 \cdot \sqrt{1 - t_1 \cdot t_1}\right) + yi \cdot \sin t_0\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* PI (* uy 2.0))) (t_1 (* ux (* maxCos (+ ux -1.0)))))
   (+
    (* zi (* ux (* maxCos (- 1.0 ux))))
    (+ (* xi (* (cos t_0) (sqrt (- 1.0 (* t_1 t_1))))) (* yi (sin t_0))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ((float) M_PI) * (uy * 2.0f);
	float t_1 = ux * (maxCos * (ux + -1.0f));
	return (zi * (ux * (maxCos * (1.0f - ux)))) + ((xi * (cosf(t_0) * sqrtf((1.0f - (t_1 * t_1))))) + (yi * sinf(t_0)));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(Float32(pi) * Float32(uy * Float32(2.0)))
	t_1 = Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0))))
	return Float32(Float32(zi * Float32(ux * Float32(maxCos * Float32(Float32(1.0) - ux)))) + Float32(Float32(xi * Float32(cos(t_0) * sqrt(Float32(Float32(1.0) - Float32(t_1 * t_1))))) + Float32(yi * sin(t_0))))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = single(pi) * (uy * single(2.0));
	t_1 = ux * (maxCos * (ux + single(-1.0)));
	tmp = (zi * (ux * (maxCos * (single(1.0) - ux)))) + ((xi * (cos(t_0) * sqrt((single(1.0) - (t_1 * t_1))))) + (yi * sin(t_0)));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

2. Taylor expanded in ux around 0 98.9%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left(2 \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]
3. Step-by-step derivation

   1. associate-*r* 96.5%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + yi \cdot \sin \color{blue}{\left(\left(2 \cdot uy\right) \cdot \pi\right)}\right) + \left(ux \cdot maxCos\right) \cdot zi \]

4. Simplified 98.9%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left(\left(2 \cdot uy\right) \cdot \pi\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

5. Final simplification 98.9%

   \[\leadsto zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) + \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right) + yi \cdot \sin \left(\pi \cdot \left(uy \cdot 2\right)\right)\right) \]

Alternative 6: 98.8% accurate, 1.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := \pi \cdot \left(uy \cdot 2\right)\\ t_1 := ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\\ zi \cdot \left(ux \cdot \left(maxCos - ux \cdot maxCos\right)\right) + \left(xi \cdot \left(\cos t_0 \cdot \sqrt{1 - t_1 \cdot t_1}\right) + yi \cdot \sin t_0\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* PI (* uy 2.0))) (t_1 (* ux (* maxCos (+ ux -1.0)))))
   (+
    (* zi (* ux (- maxCos (* ux maxCos))))
    (+ (* xi (* (cos t_0) (sqrt (- 1.0 (* t_1 t_1))))) (* yi (sin t_0))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ((float) M_PI) * (uy * 2.0f);
	float t_1 = ux * (maxCos * (ux + -1.0f));
	return (zi * (ux * (maxCos - (ux * maxCos)))) + ((xi * (cosf(t_0) * sqrtf((1.0f - (t_1 * t_1))))) + (yi * sinf(t_0)));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(Float32(pi) * Float32(uy * Float32(2.0)))
	t_1 = Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0))))
	return Float32(Float32(zi * Float32(ux * Float32(maxCos - Float32(ux * maxCos)))) + Float32(Float32(xi * Float32(cos(t_0) * sqrt(Float32(Float32(1.0) - Float32(t_1 * t_1))))) + Float32(yi * sin(t_0))))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = single(pi) * (uy * single(2.0));
	t_1 = ux * (maxCos * (ux + single(-1.0)));
	tmp = (zi * (ux * (maxCos - (ux * maxCos)))) + ((xi * (cos(t_0) * sqrt((single(1.0) - (t_1 * t_1))))) + (yi * sin(t_0)));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

2. Taylor expanded in ux around 0 99.1%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\color{blue}{\left(-1 \cdot \left(maxCos \cdot ux\right) + maxCos\right)} \cdot ux\right) \cdot zi \]
3. Step-by-step derivation

   1. mul-1-neg 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(\color{blue}{\left(-maxCos \cdot ux\right)} + maxCos\right) \cdot ux\right) \cdot zi \]

   2. distribute-rgt-neg-out 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(\color{blue}{maxCos \cdot \left(-ux\right)} + maxCos\right) \cdot ux\right) \cdot zi \]

   3. +-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(maxCos + maxCos \cdot \left(-ux\right)\right)} \cdot ux\right) \cdot zi \]

   4. distribute-rgt-neg-out 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(maxCos + \color{blue}{\left(-maxCos \cdot ux\right)}\right) \cdot ux\right) \cdot zi \]

   5. unsub-neg 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(maxCos - maxCos \cdot ux\right)} \cdot ux\right) \cdot zi \]

   6. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(maxCos - \color{blue}{ux \cdot maxCos}\right) \cdot ux\right) \cdot zi \]

4. Simplified 99.1%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\color{blue}{\left(maxCos - ux \cdot maxCos\right)} \cdot ux\right) \cdot zi \]

5. Taylor expanded in ux around 0 98.9%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left(2 \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(maxCos - ux \cdot maxCos\right) \cdot ux\right) \cdot zi \]
6. Step-by-step derivation

   1. associate-*r* 96.5%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + yi \cdot \sin \color{blue}{\left(\left(2 \cdot uy\right) \cdot \pi\right)}\right) + \left(ux \cdot maxCos\right) \cdot zi \]

7. Simplified 98.9%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left(\left(2 \cdot uy\right) \cdot \pi\right)}\right) + \left(\left(maxCos - ux \cdot maxCos\right) \cdot ux\right) \cdot zi \]

8. Final simplification 98.9%

   \[\leadsto zi \cdot \left(ux \cdot \left(maxCos - ux \cdot maxCos\right)\right) + \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right) + yi \cdot \sin \left(\pi \cdot \left(uy \cdot 2\right)\right)\right) \]

Alternative 7: 95.9% accurate, 1.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\\ t_1 := \pi \cdot \left(uy \cdot 2\right)\\ \left(xi \cdot \left(\cos t_1 \cdot \sqrt{1 - t_0 \cdot t_0}\right) + yi \cdot \sin t_1\right) + zi \cdot \left(ux \cdot maxCos\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* ux (* maxCos (+ ux -1.0)))) (t_1 (* PI (* uy 2.0))))
   (+
    (+ (* xi (* (cos t_1) (sqrt (- 1.0 (* t_0 t_0))))) (* yi (sin t_1)))
    (* zi (* ux maxCos)))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ux * (maxCos * (ux + -1.0f));
	float t_1 = ((float) M_PI) * (uy * 2.0f);
	return ((xi * (cosf(t_1) * sqrtf((1.0f - (t_0 * t_0))))) + (yi * sinf(t_1))) + (zi * (ux * maxCos));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0))))
	t_1 = Float32(Float32(pi) * Float32(uy * Float32(2.0)))
	return Float32(Float32(Float32(xi * Float32(cos(t_1) * sqrt(Float32(Float32(1.0) - Float32(t_0 * t_0))))) + Float32(yi * sin(t_1))) + Float32(zi * Float32(ux * maxCos)))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = ux * (maxCos * (ux + single(-1.0)));
	t_1 = single(pi) * (uy * single(2.0));
	tmp = ((xi * (cos(t_1) * sqrt((single(1.0) - (t_0 * t_0))))) + (yi * sin(t_1))) + (zi * (ux * maxCos));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

2. Taylor expanded in ux around 0 96.5%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \color{blue}{\left(maxCos \cdot ux\right)} \cdot zi \]
3. Step-by-step derivation

   1. *-commutative 96.5%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \color{blue}{\left(ux \cdot maxCos\right)} \cdot zi \]

4. Simplified 96.5%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \color{blue}{\left(ux \cdot maxCos\right)} \cdot zi \]

5. Taylor expanded in ux around 0 96.5%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left(2 \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(ux \cdot maxCos\right) \cdot zi \]
6. Step-by-step derivation

   1. associate-*r* 96.5%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + yi \cdot \sin \color{blue}{\left(\left(2 \cdot uy\right) \cdot \pi\right)}\right) + \left(ux \cdot maxCos\right) \cdot zi \]

7. Simplified 96.5%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left(\left(2 \cdot uy\right) \cdot \pi\right)}\right) + \left(ux \cdot maxCos\right) \cdot zi \]

8. Final simplification 96.5%

   \[\leadsto \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right) + yi \cdot \sin \left(\pi \cdot \left(uy \cdot 2\right)\right)\right) + zi \cdot \left(ux \cdot maxCos\right) \]

Alternative 8: 90.0% accurate, 1.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\\ zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) + \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - t_0 \cdot t_0}\right) + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* ux (* maxCos (+ ux -1.0)))))
   (+
    (* zi (* ux (* maxCos (- 1.0 ux))))
    (+
     (* xi (* (cos (* PI (* uy 2.0))) (sqrt (- 1.0 (* t_0 t_0)))))
     (* 2.0 (* yi (* uy PI)))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ux * (maxCos * (ux + -1.0f));
	return (zi * (ux * (maxCos * (1.0f - ux)))) + ((xi * (cosf((((float) M_PI) * (uy * 2.0f))) * sqrtf((1.0f - (t_0 * t_0))))) + (2.0f * (yi * (uy * ((float) M_PI)))));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0))))
	return Float32(Float32(zi * Float32(ux * Float32(maxCos * Float32(Float32(1.0) - ux)))) + Float32(Float32(xi * Float32(cos(Float32(Float32(pi) * Float32(uy * Float32(2.0)))) * sqrt(Float32(Float32(1.0) - Float32(t_0 * t_0))))) + Float32(Float32(2.0) * Float32(yi * Float32(uy * Float32(pi))))))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = ux * (maxCos * (ux + single(-1.0)));
	tmp = (zi * (ux * (maxCos * (single(1.0) - ux)))) + ((xi * (cos((single(pi) * (uy * single(2.0)))) * sqrt((single(1.0) - (t_0 * t_0))))) + (single(2.0) * (yi * (uy * single(pi)))));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]
2. Step-by-step derivation

   1. associate-*r* 99.1%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left(uy \cdot \left(2 \cdot \pi\right)\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   2. add-sqr-sqrt 98.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)} \cdot \sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   3. pow2 98.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left({\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)}^{2}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

3. Applied egg-rr 98.8%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left({\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)}^{2}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

4. Taylor expanded in ux around 0 98.5%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left({\left(\sqrt{2}\right)}^{2} \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

5. Taylor expanded in uy around 0 87.8%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{{\left(\sqrt{2}\right)}^{2} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]
6. Step-by-step derivation

   1. unpow2 87.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{\left(\sqrt{2} \cdot \sqrt{2}\right)} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   2. rem-square-sqrt 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{2} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   3. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \color{blue}{\left(\left(yi \cdot \pi\right) \cdot uy\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   4. associate-*l* 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \color{blue}{\left(yi \cdot \left(\pi \cdot uy\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   5. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \color{blue}{\left(uy \cdot \pi\right)}\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

7. Simplified 88.0%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

8. Final simplification 88.0%

   \[\leadsto zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) + \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right) + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) \]

Alternative 9: 90.0% accurate, 1.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\\ zi \cdot \left(ux \cdot \left(maxCos - ux \cdot maxCos\right)\right) + \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - t_0 \cdot t_0}\right) + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) \end{array} \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* ux (* maxCos (+ ux -1.0)))))
   (+
    (* zi (* ux (- maxCos (* ux maxCos))))
    (+
     (* xi (* (cos (* PI (* uy 2.0))) (sqrt (- 1.0 (* t_0 t_0)))))
     (* 2.0 (* yi (* uy PI)))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	float t_0 = ux * (maxCos * (ux + -1.0f));
	return (zi * (ux * (maxCos - (ux * maxCos)))) + ((xi * (cosf((((float) M_PI) * (uy * 2.0f))) * sqrtf((1.0f - (t_0 * t_0))))) + (2.0f * (yi * (uy * ((float) M_PI)))));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	t_0 = Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0))))
	return Float32(Float32(zi * Float32(ux * Float32(maxCos - Float32(ux * maxCos)))) + Float32(Float32(xi * Float32(cos(Float32(Float32(pi) * Float32(uy * Float32(2.0)))) * sqrt(Float32(Float32(1.0) - Float32(t_0 * t_0))))) + Float32(Float32(2.0) * Float32(yi * Float32(uy * Float32(pi))))))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	t_0 = ux * (maxCos * (ux + single(-1.0)));
	tmp = (zi * (ux * (maxCos - (ux * maxCos)))) + ((xi * (cos((single(pi) * (uy * single(2.0)))) * sqrt((single(1.0) - (t_0 * t_0))))) + (single(2.0) * (yi * (uy * single(pi)))));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]
2. Step-by-step derivation

   1. associate-*r* 99.1%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left(uy \cdot \left(2 \cdot \pi\right)\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   2. add-sqr-sqrt 98.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)} \cdot \sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   3. pow2 98.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left({\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)}^{2}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

3. Applied egg-rr 98.8%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left({\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)}^{2}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

4. Taylor expanded in ux around 0 98.5%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left({\left(\sqrt{2}\right)}^{2} \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

5. Taylor expanded in uy around 0 87.8%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{{\left(\sqrt{2}\right)}^{2} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]
6. Step-by-step derivation

   1. unpow2 87.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{\left(\sqrt{2} \cdot \sqrt{2}\right)} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   2. rem-square-sqrt 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{2} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   3. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \color{blue}{\left(\left(yi \cdot \pi\right) \cdot uy\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   4. associate-*l* 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \color{blue}{\left(yi \cdot \left(\pi \cdot uy\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   5. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \color{blue}{\left(uy \cdot \pi\right)}\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

7. Simplified 88.0%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

8. Taylor expanded in ux around 0 88.0%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(-1 \cdot \left(maxCos \cdot ux\right) + maxCos\right)} \cdot ux\right) \cdot zi \]
9. Step-by-step derivation

   1. mul-1-neg 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(\color{blue}{\left(-maxCos \cdot ux\right)} + maxCos\right) \cdot ux\right) \cdot zi \]

   2. distribute-rgt-neg-out 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(\color{blue}{maxCos \cdot \left(-ux\right)} + maxCos\right) \cdot ux\right) \cdot zi \]

   3. +-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(maxCos + maxCos \cdot \left(-ux\right)\right)} \cdot ux\right) \cdot zi \]

   4. distribute-rgt-neg-out 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(maxCos + \color{blue}{\left(-maxCos \cdot ux\right)}\right) \cdot ux\right) \cdot zi \]

   5. unsub-neg 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(maxCos - maxCos \cdot ux\right)} \cdot ux\right) \cdot zi \]

   6. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(maxCos - \color{blue}{ux \cdot maxCos}\right) \cdot ux\right) \cdot zi \]

10. Simplified 88.0%

    \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\color{blue}{\left(maxCos - ux \cdot maxCos\right)} \cdot ux\right) \cdot zi \]

11. Final simplification 88.0%

    \[\leadsto zi \cdot \left(ux \cdot \left(maxCos - ux \cdot maxCos\right)\right) + \left(xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 - \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right) + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) \]

Alternative 10: 89.9% accurate, 1.5× speedup

Math

\[\begin{array}{l} \\ zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) + \left(2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right) + xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 + \left(ux \cdot maxCos\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right)\right) \end{array} \]

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (+
  (* zi (* ux (* maxCos (- 1.0 ux))))
  (+
   (* 2.0 (* yi (* uy PI)))
   (*
    xi
    (*
     (cos (* PI (* uy 2.0)))
     (sqrt (+ 1.0 (* (* ux maxCos) (* ux (* maxCos (+ ux -1.0)))))))))))

C

float code(float xi, float yi, float zi, float ux, float uy, float maxCos) {
	return (zi * (ux * (maxCos * (1.0f - ux)))) + ((2.0f * (yi * (uy * ((float) M_PI)))) + (xi * (cosf((((float) M_PI) * (uy * 2.0f))) * sqrtf((1.0f + ((ux * maxCos) * (ux * (maxCos * (ux + -1.0f)))))))));
}

Julia

function code(xi, yi, zi, ux, uy, maxCos)
	return Float32(Float32(zi * Float32(ux * Float32(maxCos * Float32(Float32(1.0) - ux)))) + Float32(Float32(Float32(2.0) * Float32(yi * Float32(uy * Float32(pi)))) + Float32(xi * Float32(cos(Float32(Float32(pi) * Float32(uy * Float32(2.0)))) * sqrt(Float32(Float32(1.0) + Float32(Float32(ux * maxCos) * Float32(ux * Float32(maxCos * Float32(ux + Float32(-1.0)))))))))))
end

MATLAB

function tmp = code(xi, yi, zi, ux, uy, maxCos)
	tmp = (zi * (ux * (maxCos * (single(1.0) - ux)))) + ((single(2.0) * (yi * (uy * single(pi)))) + (xi * (cos((single(pi) * (uy * single(2.0)))) * sqrt((single(1.0) + ((ux * maxCos) * (ux * (maxCos * (ux + single(-1.0))))))))));
end

Derivation

1. Initial program 99.1%

   \[\left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]
2. Step-by-step derivation

   1. associate-*r* 99.1%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left(uy \cdot \left(2 \cdot \pi\right)\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   2. add-sqr-sqrt 98.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)} \cdot \sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   3. pow2 98.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left({\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)}^{2}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

3. Applied egg-rr 98.8%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \left(\sin \color{blue}{\left({\left(\sqrt{uy \cdot \left(2 \cdot \pi\right)}\right)}^{2}\right)} \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot yi\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

4. Taylor expanded in ux around 0 98.5%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{yi \cdot \sin \left({\left(\sqrt{2}\right)}^{2} \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

5. Taylor expanded in uy around 0 87.8%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{{\left(\sqrt{2}\right)}^{2} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]
6. Step-by-step derivation

   1. unpow2 87.8%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{\left(\sqrt{2} \cdot \sqrt{2}\right)} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   2. rem-square-sqrt 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{2} \cdot \left(uy \cdot \left(yi \cdot \pi\right)\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   3. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \color{blue}{\left(\left(yi \cdot \pi\right) \cdot uy\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   4. associate-*l* 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \color{blue}{\left(yi \cdot \left(\pi \cdot uy\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

   5. *-commutative 88.0%

      \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \color{blue}{\left(uy \cdot \pi\right)}\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

7. Simplified 88.0%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right)}\right) \cdot xi + \color{blue}{2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)}\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

8. Taylor expanded in ux around 0 88.0%

   \[\leadsto \left(\left(\cos \left(\left(uy \cdot 2\right) \cdot \pi\right) \cdot \sqrt{1 - \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot \left(\color{blue}{maxCos} \cdot ux\right)}\right) \cdot xi + 2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right)\right) + \left(\left(\left(1 - ux\right) \cdot maxCos\right) \cdot ux\right) \cdot zi \]

9. Final simplification 88.0%

   \[\leadsto zi \cdot \left(ux \cdot \left(maxCos \cdot \left(1 - ux\right)\right)\right) + \left(2 \cdot \left(yi \cdot \left(uy \cdot \pi\right)\right) + xi \cdot \left(\cos \left(\pi \cdot \left(uy \cdot 2\right)\right) \cdot \sqrt{1 + \left(ux \cdot maxCos\right) \cdot \left(ux \cdot \left(maxCos \cdot \left(ux + -1\right)\right)\right)}\right)\right) \]

Reproduce

herbie shell --seed 2023240 
(FPCore (xi yi zi ux uy maxCos)
  :name "UniformSampleCone 2"
  :precision binary32
  :pre (and (and (and (and (and (and (<= -10000.0 xi) (<= xi 10000.0)) (and (<= -10000.0 yi) (<= yi 10000.0))) (and (<= -10000.0 zi) (<= zi 10000.0))) (and (<= 2.328306437e-10 ux) (<= ux 1.0))) (and (<= 2.328306437e-10 uy) (<= uy 1.0))) (and (<= 0.0 maxCos) (<= maxCos 1.0)))
  (+ (+ (* (* (cos (* (* uy 2.0) PI)) (sqrt (- 1.0 (* (* (* (- 1.0 ux) maxCos) ux) (* (* (- 1.0 ux) maxCos) ux))))) xi) (* (* (sin (* (* uy 2.0) PI)) (sqrt (- 1.0 (* (* (* (- 1.0 ux) maxCos) ux) (* (* (- 1.0 ux) maxCos) ux))))) yi)) (* (* (* (- 1.0 ux) maxCos) ux) zi)))