UniformSampleCone 2

Percentage Accurate: 98.9% → 99.0%

Time: 29.0s

Alternatives: 12

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: 99.0% accurate, 0.8× speedup

Math

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

FPCore

(FPCore (xi yi zi ux uy maxCos)
 :precision binary32
 (let* ((t_0 (* uy (* 2.0 PI)))
        (t_1
         (sqrt
          (+
           1.0
           (* (- 1.0 ux) (* (* ux maxCos) (* (* ux maxCos) (+ ux -1.0))))))))
   (fma
    (cos t_0)
    (* t_1 xi)
    (fma (sin t_0) (* t_1 yi) (* (- 1.0 ux) (* (* ux maxCos) 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 = sqrtf((1.0f + ((1.0f - ux) * ((ux * maxCos) * ((ux * maxCos) * (ux + -1.0f))))));
	return fmaf(cosf(t_0), (t_1 * xi), fmaf(sinf(t_0), (t_1 * yi), ((1.0f - ux) * ((ux * maxCos) * zi))));
}

Julia

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

Derivation

1. Initial program 98.9%

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

   1. associate-+l+ 98.9%

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

   2. associate-*l* 98.9%

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

   3. fma-def 98.9%

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

3. Simplified 99.0%

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

4. Final simplification 99.0%

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

Alternative 2: 99.0% accurate, 0.9× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in maxCos around 0 99.0%

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

5. Final simplification 99.0%

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

Alternative 3: 98.9% accurate, 1.0× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in maxCos around 0 99.0%

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

5. Taylor expanded in ux around 0 98.8%

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

   1. *-commutative 98.8%

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

   2. *-commutative 98.8%

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

   3. associate-*r* 98.8%

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

   4. *-commutative 98.8%

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

7. Simplified 98.8%

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

8. Final simplification 98.8%

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

Alternative 4: 99.0% accurate, 1.0× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Final simplification 98.9%

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

Alternative 5: 98.8% accurate, 1.2× speedup

Math

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

FPCore

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

C

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

Julia

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

MATLAB

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

Derivation

1. Initial program 98.9%

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

2. Taylor expanded in ux around 0 98.7%

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

   1. *-commutative 98.7%

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

   2. associate-*r* 98.7%

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

4. Simplified 98.7%

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

5. Final simplification 98.7%

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

Alternative 6: 90.1% accurate, 1.2× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in uy around 0 89.2%

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

   1. associate-*r* 81.2%

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

   2. *-commutative 81.2%

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

   3. *-commutative 81.2%

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

   4. *-commutative 81.2%

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

   5. *-commutative 81.2%

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

6. Simplified 89.2%

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

7. Final simplification 89.2%

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

Alternative 7: 90.1% accurate, 1.5× speedup

Math

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

FPCore

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

C

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

Julia

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

MATLAB

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

Derivation

1. Initial program 98.9%

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

2. Taylor expanded in ux around 0 98.7%

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

   1. *-commutative 98.7%

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

   2. associate-*r* 98.7%

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

4. Simplified 98.7%

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

5. Taylor expanded in uy around 0 89.0%

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

   1. associate-*r* 89.0%

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

   2. *-commutative 89.0%

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

   3. associate-*l* 89.0%

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

   4. *-commutative 89.0%

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

7. Simplified 89.0%

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

8. Final simplification 89.0%

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

Alternative 8: 88.7% accurate, 1.5× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in uy around 0 88.8%

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

5. Final simplification 88.8%

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

Alternative 9: 81.6% accurate, 2.0× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in uy around 0 88.8%

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

5. Taylor expanded in uy around 0 81.2%

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

   1. associate-*r* 81.2%

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

   2. *-commutative 81.2%

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

   3. *-commutative 81.2%

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

   4. *-commutative 81.2%

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

   5. *-commutative 81.2%

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

7. Simplified 81.2%

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

8. Taylor expanded in yi around 0 81.2%

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

   1. associate-*r* 81.2%

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

   2. associate-*r* 81.1%

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

   3. *-commutative 81.1%

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

   4. *-commutative 81.1%

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

   5. associate-*r* 81.1%

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

10. Simplified 81.1%

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

11. Final simplification 81.1%

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

Alternative 10: 81.7% accurate, 2.0× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in uy around 0 88.8%

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

   1. add-log-exp 74.7%

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

6. Applied egg-rr 74.7%

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

7. Taylor expanded in uy around 0 81.2%

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

8. Final simplification 81.2%

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

Alternative 11: 81.6% accurate, 2.0× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in uy around 0 88.8%

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

5. Taylor expanded in uy around 0 81.2%

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

   1. associate-*r* 81.2%

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

   2. *-commutative 81.2%

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

   3. *-commutative 81.2%

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

   4. *-commutative 81.2%

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

   5. *-commutative 81.2%

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

7. Simplified 81.2%

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

8. Taylor expanded in ux around 0 81.0%

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

   1. neg-mul-1 81.0%

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

10. Simplified 81.0%

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

11. Final simplification 81.0%

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

Alternative 12: 81.5% accurate, 2.0× speedup

Math

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

FPCore

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

C

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

Julia

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

Derivation

1. Initial program 98.9%

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

3. Simplified 98.9%

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

4. Taylor expanded in uy around 0 88.8%

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

5. Taylor expanded in uy around 0 81.2%

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

   1. associate-*r* 81.2%

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

   2. *-commutative 81.2%

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

   3. *-commutative 81.2%

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

   4. *-commutative 81.2%

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

   5. *-commutative 81.2%

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

7. Simplified 81.2%

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

8. Taylor expanded in ux around 0 81.0%

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

   1. neg-mul-1 81.0%

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

10. Simplified 81.0%

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

11. Taylor expanded in ux around 0 81.0%

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

    1. neg-mul-1 81.0%

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

13. Simplified 81.0%

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

14. Final simplification 81.0%

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

Reproduce

herbie shell --seed 2023319 
(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)))