Diagrams.Solve.Polynomial:cubForm from diagrams-solve-0.1, D

Percentage Accurate: 97.9% → 99.4%

Time: 45.3s

Alternatives: 6

Speedup: 1.0×

Specification

Math

\[\begin{array}{l} \\ \frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (* (/ 1.0 3.0) (acos (* (/ (* 3.0 (/ x (* y 27.0))) (* z 2.0)) (sqrt t)))))

C

double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = (1.0d0 / 3.0d0) * acos((((3.0d0 * (x / (y * 27.0d0))) / (z * 2.0d0)) * sqrt(t)))
end function

Java

public static double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * Math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * Math.sqrt(t)));
}

Python

def code(x, y, z, t):
	return (1.0 / 3.0) * math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * math.sqrt(t)))

Julia

function code(x, y, z, t)
	return Float64(Float64(1.0 / 3.0) * acos(Float64(Float64(Float64(3.0 * Float64(x / Float64(y * 27.0))) / Float64(z * 2.0)) * sqrt(t))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(1.0 / 3.0), $MachinePrecision] * N[ArcCos[N[(N[(N[(3.0 * N[(x / N[(y * 27.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / N[(z * 2.0), $MachinePrecision]), $MachinePrecision] * N[Sqrt[t], $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Initial Program: 97.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (* (/ 1.0 3.0) (acos (* (/ (* 3.0 (/ x (* y 27.0))) (* z 2.0)) (sqrt t)))))

C

double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = (1.0d0 / 3.0d0) * acos((((3.0d0 * (x / (y * 27.0d0))) / (z * 2.0d0)) * sqrt(t)))
end function

Java

public static double code(double x, double y, double z, double t) {
	return (1.0 / 3.0) * Math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * Math.sqrt(t)));
}

Python

def code(x, y, z, t):
	return (1.0 / 3.0) * math.acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * math.sqrt(t)))

Julia

function code(x, y, z, t)
	return Float64(Float64(1.0 / 3.0) * acos(Float64(Float64(Float64(3.0 * Float64(x / Float64(y * 27.0))) / Float64(z * 2.0)) * sqrt(t))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = (1.0 / 3.0) * acos((((3.0 * (x / (y * 27.0))) / (z * 2.0)) * sqrt(t)));
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(1.0 / 3.0), $MachinePrecision] * N[ArcCos[N[(N[(N[(3.0 * N[(x / N[(y * 27.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / N[(z * 2.0), $MachinePrecision]), $MachinePrecision] * N[Sqrt[t], $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Alternative 1: 99.4% accurate, 0.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;\sqrt{t} \leq 5 \cdot 10^{-85}:\\ \;\;\;\;-1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(\frac{x}{y} \cdot \frac{\sqrt{t}}{z}\right)\right), 1\right)\\ \mathbf{else}:\\ \;\;\;\;-1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(x \cdot \frac{\sqrt{t}}{z \cdot y}\right)\right), 1\right)\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= (sqrt t) 5e-85)
   (+
    -1.0
    (fma
     0.3333333333333333
     (acos (* 0.05555555555555555 (* (/ x y) (/ (sqrt t) z))))
     1.0))
   (+
    -1.0
    (fma
     0.3333333333333333
     (acos (* 0.05555555555555555 (* x (/ (sqrt t) (* z y)))))
     1.0))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (sqrt(t) <= 5e-85) {
		tmp = -1.0 + fma(0.3333333333333333, acos((0.05555555555555555 * ((x / y) * (sqrt(t) / z)))), 1.0);
	} else {
		tmp = -1.0 + fma(0.3333333333333333, acos((0.05555555555555555 * (x * (sqrt(t) / (z * y))))), 1.0);
	}
	return tmp;
}

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (sqrt(t) <= 5e-85)
		tmp = Float64(-1.0 + fma(0.3333333333333333, acos(Float64(0.05555555555555555 * Float64(Float64(x / y) * Float64(sqrt(t) / z)))), 1.0));
	else
		tmp = Float64(-1.0 + fma(0.3333333333333333, acos(Float64(0.05555555555555555 * Float64(x * Float64(sqrt(t) / Float64(z * y))))), 1.0));
	end
	return tmp
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[N[Sqrt[t], $MachinePrecision], 5e-85], N[(-1.0 + N[(0.3333333333333333 * N[ArcCos[N[(0.05555555555555555 * N[(N[(x / y), $MachinePrecision] * N[(N[Sqrt[t], $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] + 1.0), $MachinePrecision]), $MachinePrecision], N[(-1.0 + N[(0.3333333333333333 * N[ArcCos[N[(0.05555555555555555 * N[(x * N[(N[Sqrt[t], $MachinePrecision] / N[(z * y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] + 1.0), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if (sqrt.f64 t) < 5.0000000000000002e-85

   1. Initial program 98.5%

      \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

   3. Simplified 98.5%

      \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
   4. Add Preprocessing
   5. Step-by-step derivation

      1. *-commutative 98.5%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

      2. associate-/l/ 92.6%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\left(\color{blue}{\frac{x}{z \cdot y}} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right) \]

      3. associate-*l/ 92.6%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{z \cdot y}} \cdot \sqrt{t}\right) \]

      4. *-commutative 92.6%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{\color{blue}{y \cdot z}} \cdot \sqrt{t}\right) \]

   6. Applied egg-rr 92.6%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{y \cdot z}} \cdot \sqrt{t}\right) \]
   7. Step-by-step derivation

      1. associate-*l/ 92.6%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

      2. associate-*r* 92.6%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)} \]

      3. expm1-log1p-u 92.6%

         \[\leadsto \color{blue}{\mathsf{expm1}\left(\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)\right)\right)} \]

      4. expm1-undefine 94.0%

         \[\leadsto \color{blue}{e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)\right)} - 1} \]

   8. Applied egg-rr 98.5%

      \[\leadsto \color{blue}{e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} - 1} \]
   9. Step-by-step derivation

      1. sub-neg 98.5%

         \[\leadsto \color{blue}{e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} + \left(-1\right)} \]

      2. metadata-eval 98.5%

         \[\leadsto e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} + \color{blue}{-1} \]

      3. +-commutative 98.5%

         \[\leadsto \color{blue}{-1 + e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)}} \]

      4. log1p-undefine 96.1%

         \[\leadsto -1 + e^{\color{blue}{\log \left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)}} \]

      5. rem-exp-log 96.1%

         \[\leadsto -1 + \color{blue}{\left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} \]

      6. +-commutative 96.1%

         \[\leadsto -1 + \color{blue}{\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right) + 1\right)} \]

      7. fma-define 98.5%

         \[\leadsto -1 + \color{blue}{\mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right), 1\right)} \]

   10. Simplified 94.0%

       \[\leadsto \color{blue}{-1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(\frac{\sqrt{t}}{y \cdot z} \cdot x\right)\right), 1\right)} \]

   11. Taylor expanded in t around 0 91.7%

       \[\leadsto -1 + \color{blue}{\left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{y \cdot z}\right)\right)\right)} \]
   12. Step-by-step derivation

       1. associate-*r/ 91.7%

          \[\leadsto -1 + \left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \color{blue}{\frac{\sqrt{t} \cdot x}{y \cdot z}}\right)\right) \]

       2. *-commutative 91.7%

          \[\leadsto -1 + \left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \frac{\color{blue}{x \cdot \sqrt{t}}}{y \cdot z}\right)\right) \]

       3. *-commutative 91.7%

          \[\leadsto -1 + \left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \frac{x \cdot \sqrt{t}}{\color{blue}{z \cdot y}}\right)\right) \]

       4. associate-*r/ 91.7%

          \[\leadsto -1 + \left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \color{blue}{\left(x \cdot \frac{\sqrt{t}}{z \cdot y}\right)}\right)\right) \]

       5. +-commutative 91.7%

          \[\leadsto -1 + \color{blue}{\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(x \cdot \frac{\sqrt{t}}{z \cdot y}\right)\right) + 1\right)} \]

       6. fma-define 94.0%

          \[\leadsto -1 + \color{blue}{\mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(x \cdot \frac{\sqrt{t}}{z \cdot y}\right)\right), 1\right)} \]

       7. associate-*r/ 94.0%

          \[\leadsto -1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \color{blue}{\frac{x \cdot \sqrt{t}}{z \cdot y}}\right), 1\right) \]

       8. *-commutative 94.0%

          \[\leadsto -1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \frac{x \cdot \sqrt{t}}{\color{blue}{y \cdot z}}\right), 1\right) \]

       9. times-frac 100.0%

          \[\leadsto -1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \color{blue}{\left(\frac{x}{y} \cdot \frac{\sqrt{t}}{z}\right)}\right), 1\right) \]

   13. Simplified 100.0%

       \[\leadsto -1 + \color{blue}{\mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(\frac{x}{y} \cdot \frac{\sqrt{t}}{z}\right)\right), 1\right)} \]

   if 5.0000000000000002e-85 < (sqrt.f64 t)

   1. Initial program 98.5%

      \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

   3. Simplified 98.5%

      \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
   4. Add Preprocessing
   5. Step-by-step derivation

      1. *-commutative 98.5%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

      2. associate-/l/ 98.5%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\left(\color{blue}{\frac{x}{z \cdot y}} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right) \]

      3. associate-*l/ 98.5%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{z \cdot y}} \cdot \sqrt{t}\right) \]

      4. *-commutative 98.5%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{\color{blue}{y \cdot z}} \cdot \sqrt{t}\right) \]

   6. Applied egg-rr 98.5%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{y \cdot z}} \cdot \sqrt{t}\right) \]
   7. Step-by-step derivation

      1. associate-*l/ 98.5%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

      2. associate-*r* 98.5%

         \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)} \]

      3. expm1-log1p-u 98.5%

         \[\leadsto \color{blue}{\mathsf{expm1}\left(\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)\right)\right)} \]

      4. expm1-undefine 99.9%

         \[\leadsto \color{blue}{e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)\right)} - 1} \]

   8. Applied egg-rr 99.5%

      \[\leadsto \color{blue}{e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} - 1} \]
   9. Step-by-step derivation

      1. sub-neg 99.5%

         \[\leadsto \color{blue}{e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} + \left(-1\right)} \]

      2. metadata-eval 99.5%

         \[\leadsto e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} + \color{blue}{-1} \]

      3. +-commutative 99.5%

         \[\leadsto \color{blue}{-1 + e^{\mathsf{log1p}\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)}} \]

      4. log1p-undefine 97.2%

         \[\leadsto -1 + e^{\color{blue}{\log \left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)}} \]

      5. rem-exp-log 97.2%

         \[\leadsto -1 + \color{blue}{\left(1 + 0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)\right)} \]

      6. +-commutative 97.2%

         \[\leadsto -1 + \color{blue}{\left(0.3333333333333333 \cdot \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right) + 1\right)} \]

      7. fma-define 99.5%

         \[\leadsto -1 + \color{blue}{\mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right), 1\right)} \]

   10. Simplified 100.0%

       \[\leadsto \color{blue}{-1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(\frac{\sqrt{t}}{y \cdot z} \cdot x\right)\right), 1\right)} \]
3. Recombined 2 regimes into one program.

4. Final simplification 100.0%

   \[\leadsto \begin{array}{l} \mathbf{if}\;\sqrt{t} \leq 5 \cdot 10^{-85}:\\ \;\;\;\;-1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(\frac{x}{y} \cdot \frac{\sqrt{t}}{z}\right)\right), 1\right)\\ \mathbf{else}:\\ \;\;\;\;-1 + \mathsf{fma}\left(0.3333333333333333, \cos^{-1} \left(0.05555555555555555 \cdot \left(x \cdot \frac{\sqrt{t}}{z \cdot y}\right)\right), 1\right)\\ \end{array} \]
5. Add Preprocessing

Alternative 2: 99.5% accurate, 0.5× speedup

Math

\[\begin{array}{l} \\ 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\sqrt{t} \cdot \frac{0.05555555555555555}{z \cdot \frac{y}{x}}\right)}^{3}} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (*
  0.3333333333333333
  (cbrt (pow (acos (* (sqrt t) (/ 0.05555555555555555 (* z (/ y x))))) 3.0))))

C

double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * cbrt(pow(acos((sqrt(t) * (0.05555555555555555 / (z * (y / x))))), 3.0));
}

Java

public static double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * Math.cbrt(Math.pow(Math.acos((Math.sqrt(t) * (0.05555555555555555 / (z * (y / x))))), 3.0));
}

Julia

function code(x, y, z, t)
	return Float64(0.3333333333333333 * cbrt((acos(Float64(sqrt(t) * Float64(0.05555555555555555 / Float64(z * Float64(y / x))))) ^ 3.0)))
end

Wolfram

code[x_, y_, z_, t_] := N[(0.3333333333333333 * N[Power[N[Power[N[ArcCos[N[(N[Sqrt[t], $MachinePrecision] * N[(0.05555555555555555 / N[(z * N[(y / x), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision], 3.0], $MachinePrecision], 1/3], $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 98.5%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 98.5%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing
5. Step-by-step derivation

   1. add-cbrt-cube 100.0%

      \[\leadsto 0.3333333333333333 \cdot \color{blue}{\sqrt[3]{\left(\cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right) \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)\right) \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)}} \]

   2. pow3 100.0%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{\color{blue}{{\cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)}^{3}}} \]

   3. *-commutative 100.0%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right)}^{3}} \]

   4. associate-*l* 100.0%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)}}^{3}} \]

   5. associate-/l/ 98.4%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\color{blue}{\frac{x}{z \cdot y}} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)}^{3}} \]

   6. *-commutative 98.4%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\frac{x}{\color{blue}{y \cdot z}} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)}^{3}} \]

6. Applied egg-rr 98.4%

   \[\leadsto 0.3333333333333333 \cdot \color{blue}{\sqrt[3]{{\cos^{-1} \left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)}^{3}}} \]

7. Taylor expanded in x around 0 98.4%

   \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{\color{blue}{{\cos^{-1} \left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{y \cdot z}\right)\right)}^{3}}} \]
8. Step-by-step derivation

   1. associate-*r* 98.4%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \color{blue}{\left(\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{x}{y \cdot z}\right)}}^{3}} \]

   2. associate-*r/ 97.2%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \color{blue}{\left(\frac{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot x}{y \cdot z}\right)}}^{3}} \]

   3. *-rgt-identity 97.2%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\frac{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot x}{\color{blue}{\left(y \cdot z\right) \cdot 1}}\right)}^{3}} \]

   4. times-frac 98.4%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \color{blue}{\left(\frac{0.05555555555555555 \cdot \sqrt{t}}{y \cdot z} \cdot \frac{x}{1}\right)}}^{3}} \]

   5. /-rgt-identity 98.4%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\frac{0.05555555555555555 \cdot \sqrt{t}}{y \cdot z} \cdot \color{blue}{x}\right)}^{3}} \]

   6. associate-/r/ 98.4%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \color{blue}{\left(\frac{0.05555555555555555 \cdot \sqrt{t}}{\frac{y \cdot z}{x}}\right)}}^{3}} \]

   7. associate-*r/ 99.3%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\frac{0.05555555555555555 \cdot \sqrt{t}}{\color{blue}{y \cdot \frac{z}{x}}}\right)}^{3}} \]

   8. *-commutative 99.3%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\frac{\color{blue}{\sqrt{t} \cdot 0.05555555555555555}}{y \cdot \frac{z}{x}}\right)}^{3}} \]

   9. associate-/l* 99.3%

      \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \color{blue}{\left(\sqrt{t} \cdot \frac{0.05555555555555555}{y \cdot \frac{z}{x}}\right)}}^{3}} \]

   10. associate-*r/ 98.4%

       \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\sqrt{t} \cdot \frac{0.05555555555555555}{\color{blue}{\frac{y \cdot z}{x}}}\right)}^{3}} \]

   11. *-commutative 98.4%

       \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\sqrt{t} \cdot \frac{0.05555555555555555}{\frac{\color{blue}{z \cdot y}}{x}}\right)}^{3}} \]

   12. associate-/l* 100.0%

       \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \left(\sqrt{t} \cdot \frac{0.05555555555555555}{\color{blue}{z \cdot \frac{y}{x}}}\right)}^{3}} \]

9. Simplified 100.0%

   \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{\color{blue}{{\cos^{-1} \left(\sqrt{t} \cdot \frac{0.05555555555555555}{z \cdot \frac{y}{x}}\right)}^{3}}} \]
10. Add Preprocessing

Alternative 3: 98.5% accurate, 0.7× speedup

Math

\[\begin{array}{l} \\ 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} 0}^{3}} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (* 0.3333333333333333 (cbrt (pow (acos 0.0) 3.0))))

C

double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * cbrt(pow(acos(0.0), 3.0));
}

Java

public static double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * Math.cbrt(Math.pow(Math.acos(0.0), 3.0));
}

Julia

function code(x, y, z, t)
	return Float64(0.3333333333333333 * cbrt((acos(0.0) ^ 3.0)))
end

Wolfram

code[x_, y_, z_, t_] := N[(0.3333333333333333 * N[Power[N[Power[N[ArcCos[0.0], $MachinePrecision], 3.0], $MachinePrecision], 1/3], $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 98.5%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 98.5%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing
5. Step-by-step derivation

   1. *-commutative 98.5%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. associate-/l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\left(\color{blue}{\frac{x}{z \cdot y}} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right) \]

   3. associate-*l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{z \cdot y}} \cdot \sqrt{t}\right) \]

   4. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{\color{blue}{y \cdot z}} \cdot \sqrt{t}\right) \]

6. Applied egg-rr 96.9%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{y \cdot z}} \cdot \sqrt{t}\right) \]
7. Step-by-step derivation

   1. associate-*l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. expm1-log1p-u 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(\mathsf{expm1}\left(\mathsf{log1p}\left(\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right)\right)\right)} \]

   3. associate-*r* 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\mathsf{expm1}\left(\mathsf{log1p}\left(\color{blue}{\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)}\right)\right)\right) \]

   4. expm1-undefine 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)} - 1\right)} \]

   5. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(\color{blue}{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{x}{y \cdot z}}\right)} - 1\right) \]

   6. associate-*l* 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(\color{blue}{0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{y \cdot z}\right)}\right)} - 1\right) \]

   7. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{\color{blue}{z \cdot y}}\right)\right)} - 1\right) \]

   8. associate-/r* 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \color{blue}{\frac{\frac{x}{z}}{y}}\right)\right)} - 1\right) \]

8. Applied egg-rr 97.8%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} - 1\right)} \]
9. Step-by-step derivation

   1. sub-neg 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} + \left(-1\right)\right)} \]

   2. metadata-eval 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} + \color{blue}{-1}\right) \]

   3. +-commutative 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(-1 + e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}\right)} \]

   4. log1p-undefine 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + e^{\color{blue}{\log \left(1 + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}}\right) \]

   5. rem-exp-log 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\left(1 + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}\right) \]

   6. +-commutative 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right) + 1\right)}\right) \]

   7. associate-*r* 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{\frac{x}{z}}{y}} + 1\right)\right) \]

   8. associate-*r/ 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{x}{z}}{y}} + 1\right)\right) \]

   9. associate-*l/ 95.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{0.05555555555555555 \cdot \sqrt{t}}{y} \cdot \frac{x}{z}} + 1\right)\right) \]

   10. *-commutative 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{x}{z} \cdot \frac{0.05555555555555555 \cdot \sqrt{t}}{y}} + 1\right)\right) \]

   11. fma-define 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\mathsf{fma}\left(\frac{x}{z}, \frac{0.05555555555555555 \cdot \sqrt{t}}{y}, 1\right)}\right) \]

   12. *-commutative 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \mathsf{fma}\left(\frac{x}{z}, \frac{\color{blue}{\sqrt{t} \cdot 0.05555555555555555}}{y}, 1\right)\right) \]

   13. associate-/l* 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \mathsf{fma}\left(\frac{x}{z}, \color{blue}{\sqrt{t} \cdot \frac{0.05555555555555555}{y}}, 1\right)\right) \]

10. Simplified 95.8%

    \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(-1 + \mathsf{fma}\left(\frac{x}{z}, \sqrt{t} \cdot \frac{0.05555555555555555}{y}, 1\right)\right)} \]

11. Taylor expanded in x around 0 96.8%

    \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{1}\right) \]
12. Step-by-step derivation

    1. add-cbrt-cube 98.3%

       \[\leadsto 0.3333333333333333 \cdot \color{blue}{\sqrt[3]{\left(\cos^{-1} \left(-1 + 1\right) \cdot \cos^{-1} \left(-1 + 1\right)\right) \cdot \cos^{-1} \left(-1 + 1\right)}} \]

    2. pow3 98.3%

       \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{\color{blue}{{\cos^{-1} \left(-1 + 1\right)}^{3}}} \]

    3. metadata-eval 98.3%

       \[\leadsto 0.3333333333333333 \cdot \sqrt[3]{{\cos^{-1} \color{blue}{0}}^{3}} \]

13. Applied egg-rr 98.3%

    \[\leadsto 0.3333333333333333 \cdot \color{blue}{\sqrt[3]{{\cos^{-1} 0}^{3}}} \]
14. Add Preprocessing

Alternative 4: 97.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \frac{z + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{y}\right)}{z}\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (*
  0.3333333333333333
  (acos (+ -1.0 (/ (+ z (* 0.05555555555555555 (* (sqrt t) (/ x y)))) z)))))

C

double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * acos((-1.0 + ((z + (0.05555555555555555 * (sqrt(t) * (x / y)))) / z)));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = 0.3333333333333333d0 * acos(((-1.0d0) + ((z + (0.05555555555555555d0 * (sqrt(t) * (x / y)))) / z)))
end function

Java

public static double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * Math.acos((-1.0 + ((z + (0.05555555555555555 * (Math.sqrt(t) * (x / y)))) / z)));
}

Python

def code(x, y, z, t):
	return 0.3333333333333333 * math.acos((-1.0 + ((z + (0.05555555555555555 * (math.sqrt(t) * (x / y)))) / z)))

Julia

function code(x, y, z, t)
	return Float64(0.3333333333333333 * acos(Float64(-1.0 + Float64(Float64(z + Float64(0.05555555555555555 * Float64(sqrt(t) * Float64(x / y)))) / z))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = 0.3333333333333333 * acos((-1.0 + ((z + (0.05555555555555555 * (sqrt(t) * (x / y)))) / z)));
end

Wolfram

code[x_, y_, z_, t_] := N[(0.3333333333333333 * N[ArcCos[N[(-1.0 + N[(N[(z + N[(0.05555555555555555 * N[(N[Sqrt[t], $MachinePrecision] * N[(x / y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 98.5%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 98.5%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing
5. Step-by-step derivation

   1. *-commutative 98.5%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. associate-/l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\left(\color{blue}{\frac{x}{z \cdot y}} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right) \]

   3. associate-*l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{z \cdot y}} \cdot \sqrt{t}\right) \]

   4. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{\color{blue}{y \cdot z}} \cdot \sqrt{t}\right) \]

6. Applied egg-rr 96.9%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{y \cdot z}} \cdot \sqrt{t}\right) \]
7. Step-by-step derivation

   1. associate-*l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. expm1-log1p-u 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(\mathsf{expm1}\left(\mathsf{log1p}\left(\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right)\right)\right)} \]

   3. associate-*r* 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\mathsf{expm1}\left(\mathsf{log1p}\left(\color{blue}{\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)}\right)\right)\right) \]

   4. expm1-undefine 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)} - 1\right)} \]

   5. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(\color{blue}{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{x}{y \cdot z}}\right)} - 1\right) \]

   6. associate-*l* 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(\color{blue}{0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{y \cdot z}\right)}\right)} - 1\right) \]

   7. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{\color{blue}{z \cdot y}}\right)\right)} - 1\right) \]

   8. associate-/r* 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \color{blue}{\frac{\frac{x}{z}}{y}}\right)\right)} - 1\right) \]

8. Applied egg-rr 97.8%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} - 1\right)} \]
9. Step-by-step derivation

   1. sub-neg 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} + \left(-1\right)\right)} \]

   2. metadata-eval 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} + \color{blue}{-1}\right) \]

   3. +-commutative 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(-1 + e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}\right)} \]

   4. log1p-undefine 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + e^{\color{blue}{\log \left(1 + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}}\right) \]

   5. rem-exp-log 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\left(1 + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}\right) \]

   6. +-commutative 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right) + 1\right)}\right) \]

   7. associate-*r* 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{\frac{x}{z}}{y}} + 1\right)\right) \]

   8. associate-*r/ 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{x}{z}}{y}} + 1\right)\right) \]

   9. associate-*l/ 95.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{0.05555555555555555 \cdot \sqrt{t}}{y} \cdot \frac{x}{z}} + 1\right)\right) \]

   10. *-commutative 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{x}{z} \cdot \frac{0.05555555555555555 \cdot \sqrt{t}}{y}} + 1\right)\right) \]

   11. fma-define 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\mathsf{fma}\left(\frac{x}{z}, \frac{0.05555555555555555 \cdot \sqrt{t}}{y}, 1\right)}\right) \]

   12. *-commutative 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \mathsf{fma}\left(\frac{x}{z}, \frac{\color{blue}{\sqrt{t} \cdot 0.05555555555555555}}{y}, 1\right)\right) \]

   13. associate-/l* 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \mathsf{fma}\left(\frac{x}{z}, \color{blue}{\sqrt{t} \cdot \frac{0.05555555555555555}{y}}, 1\right)\right) \]

10. Simplified 95.8%

    \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(-1 + \mathsf{fma}\left(\frac{x}{z}, \sqrt{t} \cdot \frac{0.05555555555555555}{y}, 1\right)\right)} \]

11. Taylor expanded in z around 0 98.5%

    \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\frac{z + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{y}\right)}{z}}\right) \]
12. Add Preprocessing

Alternative 5: 97.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ 0.3333333333333333 \cdot \cos^{-1} \left(\sqrt{t} \cdot \left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right)\right) \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (*
  0.3333333333333333
  (acos (* (sqrt t) (* 0.05555555555555555 (/ (/ x y) z))))))

C

double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * acos((sqrt(t) * (0.05555555555555555 * ((x / y) / z))));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = 0.3333333333333333d0 * acos((sqrt(t) * (0.05555555555555555d0 * ((x / y) / z))))
end function

Java

public static double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * Math.acos((Math.sqrt(t) * (0.05555555555555555 * ((x / y) / z))));
}

Python

def code(x, y, z, t):
	return 0.3333333333333333 * math.acos((math.sqrt(t) * (0.05555555555555555 * ((x / y) / z))))

Julia

function code(x, y, z, t)
	return Float64(0.3333333333333333 * acos(Float64(sqrt(t) * Float64(0.05555555555555555 * Float64(Float64(x / y) / z)))))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = 0.3333333333333333 * acos((sqrt(t) * (0.05555555555555555 * ((x / y) / z))));
end

Wolfram

code[x_, y_, z_, t_] := N[(0.3333333333333333 * N[ArcCos[N[(N[Sqrt[t], $MachinePrecision] * N[(0.05555555555555555 * N[(N[(x / y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 98.5%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 98.5%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing

5. Final simplification 98.5%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\sqrt{t} \cdot \left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right)\right) \]
6. Add Preprocessing

Alternative 6: 97.0% accurate, 2.1× speedup

Math

\[\begin{array}{l} \\ 0.3333333333333333 \cdot \cos^{-1} 0 \end{array} \]

FPCore

(FPCore (x y z t) :precision binary64 (* 0.3333333333333333 (acos 0.0)))

C

double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * acos(0.0);
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = 0.3333333333333333d0 * acos(0.0d0)
end function

Java

public static double code(double x, double y, double z, double t) {
	return 0.3333333333333333 * Math.acos(0.0);
}

Python

def code(x, y, z, t):
	return 0.3333333333333333 * math.acos(0.0)

Julia

function code(x, y, z, t)
	return Float64(0.3333333333333333 * acos(0.0))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = 0.3333333333333333 * acos(0.0);
end

Wolfram

code[x_, y_, z_, t_] := N[(0.3333333333333333 * N[ArcCos[0.0], $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 98.5%

   \[\frac{1}{3} \cdot \cos^{-1} \left(\frac{3 \cdot \frac{x}{y \cdot 27}}{z \cdot 2} \cdot \sqrt{t}\right) \]

3. Simplified 98.5%

   \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} \left(\left(0.05555555555555555 \cdot \frac{\frac{x}{y}}{z}\right) \cdot \sqrt{t}\right)} \]
4. Add Preprocessing
5. Step-by-step derivation

   1. *-commutative 98.5%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{\frac{x}{y}}{z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. associate-/l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\left(\color{blue}{\frac{x}{z \cdot y}} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right) \]

   3. associate-*l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{z \cdot y}} \cdot \sqrt{t}\right) \]

   4. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\frac{x \cdot 0.05555555555555555}{\color{blue}{y \cdot z}} \cdot \sqrt{t}\right) \]

6. Applied egg-rr 96.9%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\frac{x \cdot 0.05555555555555555}{y \cdot z}} \cdot \sqrt{t}\right) \]
7. Step-by-step derivation

   1. associate-*l/ 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\color{blue}{\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right)} \cdot \sqrt{t}\right) \]

   2. expm1-log1p-u 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(\mathsf{expm1}\left(\mathsf{log1p}\left(\left(\frac{x}{y \cdot z} \cdot 0.05555555555555555\right) \cdot \sqrt{t}\right)\right)\right)} \]

   3. associate-*r* 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(\mathsf{expm1}\left(\mathsf{log1p}\left(\color{blue}{\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)}\right)\right)\right) \]

   4. expm1-undefine 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(\frac{x}{y \cdot z} \cdot \left(0.05555555555555555 \cdot \sqrt{t}\right)\right)} - 1\right)} \]

   5. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(\color{blue}{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{x}{y \cdot z}}\right)} - 1\right) \]

   6. associate-*l* 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(\color{blue}{0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{y \cdot z}\right)}\right)} - 1\right) \]

   7. *-commutative 96.9%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{x}{\color{blue}{z \cdot y}}\right)\right)} - 1\right) \]

   8. associate-/r* 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \color{blue}{\frac{\frac{x}{z}}{y}}\right)\right)} - 1\right) \]

8. Applied egg-rr 97.8%

   \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} - 1\right)} \]
9. Step-by-step derivation

   1. sub-neg 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} + \left(-1\right)\right)} \]

   2. metadata-eval 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)} + \color{blue}{-1}\right) \]

   3. +-commutative 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(-1 + e^{\mathsf{log1p}\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}\right)} \]

   4. log1p-undefine 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + e^{\color{blue}{\log \left(1 + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}}\right) \]

   5. rem-exp-log 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\left(1 + 0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right)\right)}\right) \]

   6. +-commutative 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\left(0.05555555555555555 \cdot \left(\sqrt{t} \cdot \frac{\frac{x}{z}}{y}\right) + 1\right)}\right) \]

   7. associate-*r* 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{\frac{x}{z}}{y}} + 1\right)\right) \]

   8. associate-*r/ 97.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{\left(0.05555555555555555 \cdot \sqrt{t}\right) \cdot \frac{x}{z}}{y}} + 1\right)\right) \]

   9. associate-*l/ 95.8%

      \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{0.05555555555555555 \cdot \sqrt{t}}{y} \cdot \frac{x}{z}} + 1\right)\right) \]

   10. *-commutative 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \left(\color{blue}{\frac{x}{z} \cdot \frac{0.05555555555555555 \cdot \sqrt{t}}{y}} + 1\right)\right) \]

   11. fma-define 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{\mathsf{fma}\left(\frac{x}{z}, \frac{0.05555555555555555 \cdot \sqrt{t}}{y}, 1\right)}\right) \]

   12. *-commutative 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \mathsf{fma}\left(\frac{x}{z}, \frac{\color{blue}{\sqrt{t} \cdot 0.05555555555555555}}{y}, 1\right)\right) \]

   13. associate-/l* 95.8%

       \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \mathsf{fma}\left(\frac{x}{z}, \color{blue}{\sqrt{t} \cdot \frac{0.05555555555555555}{y}}, 1\right)\right) \]

10. Simplified 95.8%

    \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \color{blue}{\left(-1 + \mathsf{fma}\left(\frac{x}{z}, \sqrt{t} \cdot \frac{0.05555555555555555}{y}, 1\right)\right)} \]

11. Taylor expanded in x around 0 96.8%

    \[\leadsto 0.3333333333333333 \cdot \cos^{-1} \left(-1 + \color{blue}{1}\right) \]
12. Step-by-step derivation

    1. pow1 96.8%

       \[\leadsto \color{blue}{{\left(0.3333333333333333 \cdot \cos^{-1} \left(-1 + 1\right)\right)}^{1}} \]

    2. metadata-eval 96.8%

       \[\leadsto {\left(0.3333333333333333 \cdot \cos^{-1} \color{blue}{0}\right)}^{1} \]

13. Applied egg-rr 96.8%

    \[\leadsto \color{blue}{{\left(0.3333333333333333 \cdot \cos^{-1} 0\right)}^{1}} \]
14. Step-by-step derivation

    1. unpow1 96.8%

       \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} 0} \]

15. Simplified 96.8%

    \[\leadsto \color{blue}{0.3333333333333333 \cdot \cos^{-1} 0} \]
16. Add Preprocessing

Developer Target 1: 98.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \frac{\cos^{-1} \left(\frac{\frac{x}{27}}{y \cdot z} \cdot \frac{\sqrt{t}}{\frac{2}{3}}\right)}{3} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (/ (acos (* (/ (/ x 27.0) (* y z)) (/ (sqrt t) (/ 2.0 3.0)))) 3.0))

C

double code(double x, double y, double z, double t) {
	return acos((((x / 27.0) / (y * z)) * (sqrt(t) / (2.0 / 3.0)))) / 3.0;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = acos((((x / 27.0d0) / (y * z)) * (sqrt(t) / (2.0d0 / 3.0d0)))) / 3.0d0
end function

Java

public static double code(double x, double y, double z, double t) {
	return Math.acos((((x / 27.0) / (y * z)) * (Math.sqrt(t) / (2.0 / 3.0)))) / 3.0;
}

Python

def code(x, y, z, t):
	return math.acos((((x / 27.0) / (y * z)) * (math.sqrt(t) / (2.0 / 3.0)))) / 3.0

Julia

function code(x, y, z, t)
	return Float64(acos(Float64(Float64(Float64(x / 27.0) / Float64(y * z)) * Float64(sqrt(t) / Float64(2.0 / 3.0)))) / 3.0)
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = acos((((x / 27.0) / (y * z)) * (sqrt(t) / (2.0 / 3.0)))) / 3.0;
end

Wolfram

code[x_, y_, z_, t_] := N[(N[ArcCos[N[(N[(N[(x / 27.0), $MachinePrecision] / N[(y * z), $MachinePrecision]), $MachinePrecision] * N[(N[Sqrt[t], $MachinePrecision] / N[(2.0 / 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] / 3.0), $MachinePrecision]

Reproduce

herbie shell --seed 2024143 
(FPCore (x y z t)
  :name "Diagrams.Solve.Polynomial:cubForm  from diagrams-solve-0.1, D"
  :precision binary64

  :alt
  (! :herbie-platform default (/ (acos (* (/ (/ x 27) (* y z)) (/ (sqrt t) (/ 2 3)))) 3))

  (* (/ 1.0 3.0) (acos (* (/ (* 3.0 (/ x (* y 27.0))) (* z 2.0)) (sqrt t)))))