Numeric.SpecFunctions:invIncompleteBetaWorker from math-functions-0.1.5.2, I

Percentage Accurate: 94.0% → 97.3%

Time: 22.2s

Alternatives: 16

Speedup: 0.7×

Specification

Math

\[\begin{array}{l} \\ \frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (/
  x
  (+
   x
   (*
    y
    (exp
     (*
      2.0
      (-
       (/ (* z (sqrt (+ t a))) t)
       (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    code = x / (x + (y * exp((2.0d0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0d0 / 6.0d0)) - (2.0d0 / (t * 3.0d0)))))))))
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Python

def code(x, y, z, t, a, b, c):
	return x / (x + (y * math.exp((2.0 * (((z * math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))))

Julia

function code(x, y, z, t, a, b, c)
	return Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(Float64(t + a))) / t) - Float64(Float64(b - c) * Float64(Float64(a + Float64(5.0 / 6.0)) - Float64(2.0 / Float64(t * 3.0))))))))))
end

MATLAB

function tmp = code(x, y, z, t, a, b, c)
	tmp = x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision] - N[(N[(b - c), $MachinePrecision] * N[(N[(a + N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision] - N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Initial Program: 94.0% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (/
  x
  (+
   x
   (*
    y
    (exp
     (*
      2.0
      (-
       (/ (* z (sqrt (+ t a))) t)
       (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    code = x / (x + (y * exp((2.0d0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0d0 / 6.0d0)) - (2.0d0 / (t * 3.0d0)))))))))
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Python

def code(x, y, z, t, a, b, c):
	return x / (x + (y * math.exp((2.0 * (((z * math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))))

Julia

function code(x, y, z, t, a, b, c)
	return Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(Float64(t + a))) / t) - Float64(Float64(b - c) * Float64(Float64(a + Float64(5.0 / 6.0)) - Float64(2.0 / Float64(t * 3.0))))))))))
end

MATLAB

function tmp = code(x, y, z, t, a, b, c)
	tmp = x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision] - N[(N[(b - c), $MachinePrecision] * N[(N[(a + N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision] - N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Alternative 1: 97.3% accurate, 0.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{z \cdot \sqrt{t + a}}{t} + \left(b - c\right) \cdot \left(\frac{2}{t \cdot 3} - \left(a + 0.8333333333333334\right)\right)\\ \mathbf{if}\;t\_1 \leq \infty:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot t\_1}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1
         (+
          (/ (* z (sqrt (+ t a))) t)
          (* (- b c) (- (/ 2.0 (* t 3.0)) (+ a 0.8333333333333334))))))
   (if (<= t_1 INFINITY)
     (/ x (+ x (* y (exp (* 2.0 t_1)))))
     (/
      x
      (+
       x
       (*
        y
        (exp
         (*
          2.0
          (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) t)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = ((z * sqrt((t + a))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)));
	double tmp;
	if (t_1 <= ((double) INFINITY)) {
		tmp = x / (x + (y * exp((2.0 * t_1))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	}
	return tmp;
}

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = ((z * Math.sqrt((t + a))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)));
	double tmp;
	if (t_1 <= Double.POSITIVE_INFINITY) {
		tmp = x / (x + (y * Math.exp((2.0 * t_1))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = ((z * math.sqrt((t + a))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)))
	tmp = 0
	if t_1 <= math.inf:
		tmp = x / (x + (y * math.exp((2.0 * t_1))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(Float64(Float64(z * sqrt(Float64(t + a))) / t) + Float64(Float64(b - c) * Float64(Float64(2.0 / Float64(t * 3.0)) - Float64(a + 0.8333333333333334))))
	tmp = 0.0
	if (t_1 <= Inf)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * t_1)))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(a)) + Float64(-0.6666666666666666 * Float64(c - b))) / t))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = ((z * sqrt((t + a))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)));
	tmp = 0.0;
	if (t_1 <= Inf)
		tmp = x / (x + (y * exp((2.0 * t_1))));
	else
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(N[(N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision] + N[(N[(b - c), $MachinePrecision] * N[(N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision] - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[t$95$1, Infinity], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * t$95$1), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(-0.6666666666666666 * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 2 regimes

2. if (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 #s(literal 5 binary64) #s(literal 6 binary64))) (/.f64 #s(literal 2 binary64) (*.f64 t #s(literal 3 binary64)))))) < +inf.0

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   if +inf.0 < (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 #s(literal 5 binary64) #s(literal 6 binary64))) (/.f64 #s(literal 2 binary64) (*.f64 t #s(literal 3 binary64))))))

   1. Initial program 0.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in t around 0 64.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 98.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;\frac{z \cdot \sqrt{t + a}}{t} + \left(b - c\right) \cdot \left(\frac{2}{t \cdot 3} - \left(a + 0.8333333333333334\right)\right) \leq \infty:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} + \left(b - c\right) \cdot \left(\frac{2}{t \cdot 3} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \end{array} \]
5. Add Preprocessing

Alternative 2: 96.3% accurate, 0.4× speedup

Math

\[\begin{array}{l} \\ \frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (/
  x
  (fma
   y
   (pow
    (exp 2.0)
    (fma
     z
     (/ (sqrt (+ t a)) t)
     (* (+ a (- 0.8333333333333334 (/ 0.6666666666666666 t))) (- c b))))
   x)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / fma(y, pow(exp(2.0), fma(z, (sqrt((t + a)) / t), ((a + (0.8333333333333334 - (0.6666666666666666 / t))) * (c - b)))), x);
}

Julia

function code(x, y, z, t, a, b, c)
	return Float64(x / fma(y, (exp(2.0) ^ fma(z, Float64(sqrt(Float64(t + a)) / t), Float64(Float64(a + Float64(0.8333333333333334 - Float64(0.6666666666666666 / t))) * Float64(c - b)))), x))
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := N[(x / N[(y * N[Power[N[Exp[2.0], $MachinePrecision], N[(z * N[(N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision] / t), $MachinePrecision] + N[(N[(a + N[(0.8333333333333334 - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] + x), $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 95.7%

   \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

3. Simplified 96.9%

   \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
4. Add Preprocessing
5. Add Preprocessing

Alternative 3: 81.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -6.8 \cdot 10^{+100}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{elif}\;b \leq 1.9 \cdot 10^{+124}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} + a \cdot \left(c - b\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \left(-0.8333333333333334 - a\right)}{t}\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= b -6.8e+100)
   (/
    x
    (+
     x
     (*
      y
      (exp
       (* 2.0 (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
   (if (<= b 1.9e+124)
     (/
      x
      (+ x (* y (exp (* 2.0 (+ (/ (* z (sqrt (+ t a))) t) (* a (- c b))))))))
     (/
      x
      (+
       x
       (*
        y
        (exp
         (*
          2.0
          (*
           b
           (/
            (+ 0.6666666666666666 (* t (- -0.8333333333333334 a)))
            t))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (b <= -6.8e+100) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else if (b <= 1.9e+124) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) + (a * (c - b)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 + (t * (-0.8333333333333334 - a))) / t))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (b <= (-6.8d+100)) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    else if (b <= 1.9d+124) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt((t + a))) / t) + (a * (c - b)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 + (t * ((-0.8333333333333334d0) - a))) / t))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (b <= -6.8e+100) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else if (b <= 1.9e+124) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt((t + a))) / t) + (a * (c - b)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 + (t * (-0.8333333333333334 - a))) / t))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if b <= -6.8e+100:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	elif b <= 1.9e+124:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt((t + a))) / t) + (a * (c - b)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 + (t * (-0.8333333333333334 - a))) / t))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (b <= -6.8e+100)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	elseif (b <= 1.9e+124)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(Float64(t + a))) / t) + Float64(a * Float64(c - b))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 + Float64(t * Float64(-0.8333333333333334 - a))) / t)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (b <= -6.8e+100)
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	elseif (b <= 1.9e+124)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) + (a * (c - b)))))));
	else
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 + (t * (-0.8333333333333334 - a))) / t))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[b, -6.8e+100], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[b, 1.9e+124], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision] + N[(a * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 + N[(t * N[(-0.8333333333333334 - a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if b < -6.79999999999999988e100

   1. Initial program 94.6%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 97.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 97.4%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 97.4%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 97.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   if -6.79999999999999988e100 < b < 1.8999999999999999e124

   1. Initial program 96.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in a around inf 81.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \color{blue}{a}\right)}} \]

   if 1.8999999999999999e124 < b

   1. Initial program 95.6%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 89.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 89.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in t around 0 89.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\frac{0.6666666666666666 + -1 \cdot \left(t \cdot \left(0.8333333333333334 + a\right)\right)}{t}}\right)}} \]
   7. Step-by-step derivation

      1. mul-1-neg 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{\left(-t \cdot \left(0.8333333333333334 + a\right)\right)}}{t}\right)}} \]

      2. +-commutative 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \left(-t \cdot \color{blue}{\left(a + 0.8333333333333334\right)}\right)}{t}\right)}} \]

      3. distribute-rgt-neg-in 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{t \cdot \left(-\left(a + 0.8333333333333334\right)\right)}}{t}\right)}} \]

      4. +-commutative 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \left(-\color{blue}{\left(0.8333333333333334 + a\right)}\right)}{t}\right)}} \]

      5. distribute-neg-in 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \color{blue}{\left(\left(-0.8333333333333334\right) + \left(-a\right)\right)}}{t}\right)}} \]

      6. unsub-neg 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \color{blue}{\left(\left(-0.8333333333333334\right) - a\right)}}{t}\right)}} \]

      7. metadata-eval 89.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \left(\color{blue}{-0.8333333333333334} - a\right)}{t}\right)}} \]

   8. Simplified 89.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\frac{0.6666666666666666 + t \cdot \left(-0.8333333333333334 - a\right)}{t}}\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 85.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -6.8 \cdot 10^{+100}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{elif}\;b \leq 1.9 \cdot 10^{+124}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} + a \cdot \left(c - b\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \left(-0.8333333333333334 - a\right)}{t}\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 4: 78.2% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -1.5 \cdot 10^{-98} \lor \neg \left(b \leq 5.8 \cdot 10^{-38}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 - a \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)}{t}\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= b -1.5e-98) (not (<= b 5.8e-38)))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (*
        2.0
        (*
         b
         (/
          (- 0.6666666666666666 (* a (+ t (* 0.8333333333333334 (/ t a)))))
          t)))))))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (*
        2.0
        (* c (+ 0.8333333333333334 (- a (/ 0.6666666666666666 t)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b <= -1.5e-98) || !(b <= 5.8e-38)) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 - (a * (t + (0.8333333333333334 * (t / a))))) / t))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b <= (-1.5d-98)) .or. (.not. (b <= 5.8d-38))) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 - (a * (t + (0.8333333333333334d0 * (t / a))))) / t))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (c * (0.8333333333333334d0 + (a - (0.6666666666666666d0 / t))))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b <= -1.5e-98) || !(b <= 5.8e-38)) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 - (a * (t + (0.8333333333333334 * (t / a))))) / t))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b <= -1.5e-98) or not (b <= 5.8e-38):
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 - (a * (t + (0.8333333333333334 * (t / a))))) / t))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((b <= -1.5e-98) || !(b <= 5.8e-38))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 - Float64(a * Float64(t + Float64(0.8333333333333334 * Float64(t / a))))) / t)))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(0.8333333333333334 + Float64(a - Float64(0.6666666666666666 / t)))))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b <= -1.5e-98) || ~((b <= 5.8e-38)))
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 - (a * (t + (0.8333333333333334 * (t / a))))) / t))))));
	else
		tmp = x / (x + (y * exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[b, -1.5e-98], N[Not[LessEqual[b, 5.8e-38]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 - N[(a * N[(t + N[(0.8333333333333334 * N[(t / a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(0.8333333333333334 + N[(a - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if b < -1.5e-98 or 5.79999999999999988e-38 < b

   1. Initial program 95.5%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 81.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 81.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in t around 0 81.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\frac{0.6666666666666666 + -1 \cdot \left(t \cdot \left(0.8333333333333334 + a\right)\right)}{t}}\right)}} \]
   7. Step-by-step derivation

      1. mul-1-neg 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{\left(-t \cdot \left(0.8333333333333334 + a\right)\right)}}{t}\right)}} \]

      2. +-commutative 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \left(-t \cdot \color{blue}{\left(a + 0.8333333333333334\right)}\right)}{t}\right)}} \]

      3. distribute-rgt-neg-in 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{t \cdot \left(-\left(a + 0.8333333333333334\right)\right)}}{t}\right)}} \]

      4. +-commutative 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \left(-\color{blue}{\left(0.8333333333333334 + a\right)}\right)}{t}\right)}} \]

      5. distribute-neg-in 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \color{blue}{\left(\left(-0.8333333333333334\right) + \left(-a\right)\right)}}{t}\right)}} \]

      6. unsub-neg 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \color{blue}{\left(\left(-0.8333333333333334\right) - a\right)}}{t}\right)}} \]

      7. metadata-eval 81.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + t \cdot \left(\color{blue}{-0.8333333333333334} - a\right)}{t}\right)}} \]

   8. Simplified 81.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\frac{0.6666666666666666 + t \cdot \left(-0.8333333333333334 - a\right)}{t}}\right)}} \]

   9. Taylor expanded in a around -inf 83.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{-1 \cdot \left(a \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)\right)}}{t}\right)}} \]
   10. Step-by-step derivation

       1. associate-*r* 83.7%

          \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{\left(-1 \cdot a\right) \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)}}{t}\right)}} \]

       2. neg-mul-1 83.7%

          \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{\left(-a\right)} \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)}{t}\right)}} \]

   11. Simplified 83.7%

       \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 + \color{blue}{\left(-a\right) \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)}}{t}\right)}} \]

   if -1.5e-98 < b < 5.79999999999999988e-38

   1. Initial program 96.1%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in c around inf 79.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate--l+ 79.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \color{blue}{\left(0.8333333333333334 + \left(a - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}\right)}} \]

      2. associate-*r/ 79.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)\right)}} \]

      3. metadata-eval 79.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)\right)}} \]

   5. Simplified 79.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 82.0%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -1.5 \cdot 10^{-98} \lor \neg \left(b \leq 5.8 \cdot 10^{-38}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \frac{0.6666666666666666 - a \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)}{t}\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 5: 80.2% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -30 \lor \neg \left(b \leq 1.35 \cdot 10^{-12}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= b -30.0) (not (<= b 1.35e-12)))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (* 2.0 (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (*
        2.0
        (* c (+ 0.8333333333333334 (- a (/ 0.6666666666666666 t)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b <= -30.0) || !(b <= 1.35e-12)) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b <= (-30.0d0)) .or. (.not. (b <= 1.35d-12))) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (c * (0.8333333333333334d0 + (a - (0.6666666666666666d0 / t))))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b <= -30.0) || !(b <= 1.35e-12)) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b <= -30.0) or not (b <= 1.35e-12):
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((b <= -30.0) || !(b <= 1.35e-12))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(0.8333333333333334 + Float64(a - Float64(0.6666666666666666 / t)))))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b <= -30.0) || ~((b <= 1.35e-12)))
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	else
		tmp = x / (x + (y * exp((2.0 * (c * (0.8333333333333334 + (a - (0.6666666666666666 / t))))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[b, -30.0], N[Not[LessEqual[b, 1.35e-12]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(0.8333333333333334 + N[(a - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if b < -30 or 1.3499999999999999e-12 < b

   1. Initial program 94.7%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 85.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 85.4%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 85.4%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 85.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   if -30 < b < 1.3499999999999999e-12

   1. Initial program 96.7%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in c around inf 76.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate--l+ 76.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \color{blue}{\left(0.8333333333333334 + \left(a - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}\right)}} \]

      2. associate-*r/ 76.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)\right)}} \]

      3. metadata-eval 76.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)\right)}} \]

   5. Simplified 76.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 81.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -30 \lor \neg \left(b \leq 1.35 \cdot 10^{-12}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 6: 72.3% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 4.4 \cdot 10^{-48}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 4.4e-48)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (*
        2.0
        (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 4.4e-48) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= 4.4d-48) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 4.4e-48) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 4.4e-48:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 4.4e-48)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 4.4e-48)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 4.4e-48], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if t < 4.40000000000000025e-48

   1. Initial program 92.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in t around 0 77.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   4. Taylor expanded in z around 0 78.1%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]

   if 4.40000000000000025e-48 < t

   1. Initial program 98.6%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 75.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 75.4%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 75.4%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 75.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 76.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 4.4 \cdot 10^{-48}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 7: 71.7% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 1.22 \cdot 10^{-20}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 1.22e-20)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (/ x (+ x (* y (exp (* 2.0 (* b (- -0.8333333333333334 a)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 1.22e-20) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (b * (-0.8333333333333334 - a))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= 1.22d-20) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (b * ((-0.8333333333333334d0) - a))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 1.22e-20) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (b * (-0.8333333333333334 - a))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 1.22e-20:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (b * (-0.8333333333333334 - a))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 1.22e-20)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(-0.8333333333333334 - a)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 1.22e-20)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp((2.0 * (b * (-0.8333333333333334 - a))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 1.22e-20], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(-0.8333333333333334 - a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if t < 1.22000000000000003e-20

   1. Initial program 92.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in t around 0 72.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   4. Taylor expanded in z around 0 76.9%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]

   if 1.22000000000000003e-20 < t

   1. Initial program 98.5%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 76.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 76.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 76.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 76.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in t around inf 75.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(b \cdot \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   7. Step-by-step derivation

      1. mul-1-neg 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-b \cdot \left(0.8333333333333334 + a\right)\right)}}} \]

      2. +-commutative 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-b \cdot \color{blue}{\left(a + 0.8333333333333334\right)}\right)}} \]

      3. distribute-rgt-neg-in 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-\left(a + 0.8333333333333334\right)\right)\right)}}} \]

      4. +-commutative 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-\color{blue}{\left(0.8333333333333334 + a\right)}\right)\right)}} \]

      5. distribute-neg-in 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) + \left(-a\right)\right)}\right)}} \]

      6. unsub-neg 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) - a\right)}\right)}} \]

      7. metadata-eval 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{-0.8333333333333334} - a\right)\right)}} \]

   8. Simplified 75.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 8: 69.2% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 11200:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 11200.0)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (/ x (+ x (* y (exp (* b -1.6666666666666667)))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 11200.0) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= 11200.0d0) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 11200.0) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 11200.0:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 11200.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 11200.0)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 11200.0], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if t < 11200

   1. Initial program 93.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in t around 0 71.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   4. Taylor expanded in z around 0 76.0%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]

   if 11200 < t

   1. Initial program 98.4%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 76.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 76.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in t around inf 76.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(b \cdot \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   7. Step-by-step derivation

      1. mul-1-neg 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-b \cdot \left(0.8333333333333334 + a\right)\right)}}} \]

      2. +-commutative 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-b \cdot \color{blue}{\left(a + 0.8333333333333334\right)}\right)}} \]

      3. distribute-rgt-neg-in 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-\left(a + 0.8333333333333334\right)\right)\right)}}} \]

      4. +-commutative 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-\color{blue}{\left(0.8333333333333334 + a\right)}\right)\right)}} \]

      5. distribute-neg-in 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) + \left(-a\right)\right)}\right)}} \]

      6. unsub-neg 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) - a\right)}\right)}} \]

      7. metadata-eval 76.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{-0.8333333333333334} - a\right)\right)}} \]

   8. Simplified 76.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}} \]

   9. Taylor expanded in a around 0 71.5%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{-1.6666666666666667 \cdot b}}} \]
   10. Step-by-step derivation

       1. *-commutative 71.5%

          \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{b \cdot -1.6666666666666667}}} \]

   11. Simplified 71.5%

       \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{b \cdot -1.6666666666666667}}} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 9: 60.4% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 7.5 \cdot 10^{-22}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{-1.3333333333333333 \cdot \frac{c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 7.5e-22)
   (/ x (+ x (* y (exp (* -1.3333333333333333 (/ c t))))))
   (/ x (+ x (* y (exp (* b -1.6666666666666667)))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 7.5e-22) {
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	} else {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= 7.5d-22) then
        tmp = x / (x + (y * exp(((-1.3333333333333333d0) * (c / t)))))
    else
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 7.5e-22) {
		tmp = x / (x + (y * Math.exp((-1.3333333333333333 * (c / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 7.5e-22:
		tmp = x / (x + (y * math.exp((-1.3333333333333333 * (c / t)))))
	else:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 7.5e-22)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(-1.3333333333333333 * Float64(c / t))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 7.5e-22)
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	else
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 7.5e-22], N[(x / N[(x + N[(y * N[Exp[N[(-1.3333333333333333 * N[(c / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if t < 7.49999999999999978e-22

   1. Initial program 92.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in t around 0 72.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   4. Taylor expanded in z around 0 76.9%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]

   5. Taylor expanded in b around 0 60.3%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{-1.3333333333333333 \cdot \frac{c}{t}}}} \]

   if 7.49999999999999978e-22 < t

   1. Initial program 98.5%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 76.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 76.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 76.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 76.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in t around inf 75.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(b \cdot \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   7. Step-by-step derivation

      1. mul-1-neg 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-b \cdot \left(0.8333333333333334 + a\right)\right)}}} \]

      2. +-commutative 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-b \cdot \color{blue}{\left(a + 0.8333333333333334\right)}\right)}} \]

      3. distribute-rgt-neg-in 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-\left(a + 0.8333333333333334\right)\right)\right)}}} \]

      4. +-commutative 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-\color{blue}{\left(0.8333333333333334 + a\right)}\right)\right)}} \]

      5. distribute-neg-in 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) + \left(-a\right)\right)}\right)}} \]

      6. unsub-neg 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) - a\right)}\right)}} \]

      7. metadata-eval 75.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{-0.8333333333333334} - a\right)\right)}} \]

   8. Simplified 75.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}} \]

   9. Taylor expanded in a around 0 70.0%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{-1.6666666666666667 \cdot b}}} \]
   10. Step-by-step derivation

       1. *-commutative 70.0%

          \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{b \cdot -1.6666666666666667}}} \]

   11. Simplified 70.0%

       \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{b \cdot -1.6666666666666667}}} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 10: 55.7% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 6500:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 6500.0) 1.0 (/ x (+ x (* y (exp (* b -1.6666666666666667)))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 6500.0) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= 6500.0d0) then
        tmp = 1.0d0
    else
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 6500.0) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 6500.0:
		tmp = 1.0
	else:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 6500.0)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 6500.0)
		tmp = 1.0;
	else
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 6500.0], 1.0, N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if t < 6500

   1. Initial program 93.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   3. Simplified 94.0%

      \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
   4. Add Preprocessing

   5. Taylor expanded in x around inf 55.0%

      \[\leadsto \color{blue}{1} \]

   if 6500 < t

   1. Initial program 98.4%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 75.9%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 75.9%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in t around inf 75.9%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(b \cdot \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   7. Step-by-step derivation

      1. mul-1-neg 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-b \cdot \left(0.8333333333333334 + a\right)\right)}}} \]

      2. +-commutative 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-b \cdot \color{blue}{\left(a + 0.8333333333333334\right)}\right)}} \]

      3. distribute-rgt-neg-in 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-\left(a + 0.8333333333333334\right)\right)\right)}}} \]

      4. +-commutative 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-\color{blue}{\left(0.8333333333333334 + a\right)}\right)\right)}} \]

      5. distribute-neg-in 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) + \left(-a\right)\right)}\right)}} \]

      6. unsub-neg 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) - a\right)}\right)}} \]

      7. metadata-eval 75.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{-0.8333333333333334} - a\right)\right)}} \]

   8. Simplified 75.9%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}} \]

   9. Taylor expanded in a around 0 70.9%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{-1.6666666666666667 \cdot b}}} \]
   10. Step-by-step derivation

       1. *-commutative 70.9%

          \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{b \cdot -1.6666666666666667}}} \]

   11. Simplified 70.9%

       \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{b \cdot -1.6666666666666667}}} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 11: 60.2% accurate, 5.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -1 \cdot 10^{-245}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1 - b \cdot \left(2 \cdot \left(b \cdot \left(\left(\frac{0.6666666666666666}{t} + \left(-0.8333333333333334 - a\right)\right) \cdot \left(\left(a - -0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right) + \left(a - \left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right)\right)\right)\right)\right)}\\ \mathbf{elif}\;b - c \leq 6 \cdot 10^{-38}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) -1e-245)
   (/
    x
    (+
     x
     (*
      y
      (-
       1.0
       (*
        b
        (*
         2.0
         (+
          (*
           b
           (*
            (+ (/ 0.6666666666666666 t) (- -0.8333333333333334 a))
            (- (- a -0.8333333333333334) (/ 0.6666666666666666 t))))
          (- a (+ (/ 0.6666666666666666 t) -0.8333333333333334)))))))))
   (if (<= (- b c) 6e-38)
     (/
      x
      (+
       x
       (-
        y
        (*
         2.0
         (* b (* y (- (+ a 0.8333333333333334) (/ 0.6666666666666666 t))))))))
     1.0)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -1e-245) {
		tmp = x / (x + (y * (1.0 - (b * (2.0 * ((b * (((0.6666666666666666 / t) + (-0.8333333333333334 - a)) * ((a - -0.8333333333333334) - (0.6666666666666666 / t)))) + (a - ((0.6666666666666666 / t) + -0.8333333333333334))))))));
	} else if ((b - c) <= 6e-38) {
		tmp = x / (x + (y - (2.0 * (b * (y * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= (-1d-245)) then
        tmp = x / (x + (y * (1.0d0 - (b * (2.0d0 * ((b * (((0.6666666666666666d0 / t) + ((-0.8333333333333334d0) - a)) * ((a - (-0.8333333333333334d0)) - (0.6666666666666666d0 / t)))) + (a - ((0.6666666666666666d0 / t) + (-0.8333333333333334d0)))))))))
    else if ((b - c) <= 6d-38) then
        tmp = x / (x + (y - (2.0d0 * (b * (y * ((a + 0.8333333333333334d0) - (0.6666666666666666d0 / t)))))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -1e-245) {
		tmp = x / (x + (y * (1.0 - (b * (2.0 * ((b * (((0.6666666666666666 / t) + (-0.8333333333333334 - a)) * ((a - -0.8333333333333334) - (0.6666666666666666 / t)))) + (a - ((0.6666666666666666 / t) + -0.8333333333333334))))))));
	} else if ((b - c) <= 6e-38) {
		tmp = x / (x + (y - (2.0 * (b * (y * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= -1e-245:
		tmp = x / (x + (y * (1.0 - (b * (2.0 * ((b * (((0.6666666666666666 / t) + (-0.8333333333333334 - a)) * ((a - -0.8333333333333334) - (0.6666666666666666 / t)))) + (a - ((0.6666666666666666 / t) + -0.8333333333333334))))))))
	elif (b - c) <= 6e-38:
		tmp = x / (x + (y - (2.0 * (b * (y * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= -1e-245)
		tmp = Float64(x / Float64(x + Float64(y * Float64(1.0 - Float64(b * Float64(2.0 * Float64(Float64(b * Float64(Float64(Float64(0.6666666666666666 / t) + Float64(-0.8333333333333334 - a)) * Float64(Float64(a - -0.8333333333333334) - Float64(0.6666666666666666 / t)))) + Float64(a - Float64(Float64(0.6666666666666666 / t) + -0.8333333333333334)))))))));
	elseif (Float64(b - c) <= 6e-38)
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(b * Float64(y * Float64(Float64(a + 0.8333333333333334) - Float64(0.6666666666666666 / t))))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= -1e-245)
		tmp = x / (x + (y * (1.0 - (b * (2.0 * ((b * (((0.6666666666666666 / t) + (-0.8333333333333334 - a)) * ((a - -0.8333333333333334) - (0.6666666666666666 / t)))) + (a - ((0.6666666666666666 / t) + -0.8333333333333334))))))));
	elseif ((b - c) <= 6e-38)
		tmp = x / (x + (y - (2.0 * (b * (y * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], -1e-245], N[(x / N[(x + N[(y * N[(1.0 - N[(b * N[(2.0 * N[(N[(b * N[(N[(N[(0.6666666666666666 / t), $MachinePrecision] + N[(-0.8333333333333334 - a), $MachinePrecision]), $MachinePrecision] * N[(N[(a - -0.8333333333333334), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] + N[(a - N[(N[(0.6666666666666666 / t), $MachinePrecision] + -0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[N[(b - c), $MachinePrecision], 6e-38], N[(x / N[(x + N[(y - N[(2.0 * N[(b * N[(y * N[(N[(a + 0.8333333333333334), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]

Derivation

1. Split input into 3 regimes

2. if (-.f64 b c) < -9.9999999999999993e-246

   1. Initial program 96.4%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 70.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 70.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 70.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 70.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in b around 0 56.1%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)}^{2}\right) + 2 \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. distribute-lft-out 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \color{blue}{\left(2 \cdot \left(b \cdot {\left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)}\right)} \]

      2. associate--r+ 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\color{blue}{\left(\left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right) - a\right)}}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      3. sub-neg 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\color{blue}{\left(0.6666666666666666 \cdot \frac{1}{t} + \left(-0.8333333333333334\right)\right)} - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      4. associate-*r/ 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} + \left(-0.8333333333333334\right)\right) - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      5. metadata-eval 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{\color{blue}{0.6666666666666666}}{t} + \left(-0.8333333333333334\right)\right) - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      6. metadata-eval 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + \color{blue}{-0.8333333333333334}\right) - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      7. associate--r+ 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \color{blue}{\left(\left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right) - a\right)}\right)\right)\right)} \]

      8. sub-neg 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\color{blue}{\left(0.6666666666666666 \cdot \frac{1}{t} + \left(-0.8333333333333334\right)\right)} - a\right)\right)\right)\right)} \]

      9. associate-*r/ 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} + \left(-0.8333333333333334\right)\right) - a\right)\right)\right)\right)} \]

      10. metadata-eval 56.1%

          \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\frac{\color{blue}{0.6666666666666666}}{t} + \left(-0.8333333333333334\right)\right) - a\right)\right)\right)\right)} \]

      11. metadata-eval 56.1%

          \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\frac{0.6666666666666666}{t} + \color{blue}{-0.8333333333333334}\right) - a\right)\right)\right)\right)} \]

   8. Simplified 56.1%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)}} \]
   9. Step-by-step derivation

      1. unpow2 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot \color{blue}{\left(\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right) \cdot \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)} + \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)} \]

      2. associate--l+ 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot \left(\color{blue}{\left(\frac{0.6666666666666666}{t} + \left(-0.8333333333333334 - a\right)\right)} \cdot \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right) + \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)} \]

      3. associate--l+ 56.1%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot \left(\left(\frac{0.6666666666666666}{t} + \left(-0.8333333333333334 - a\right)\right) \cdot \color{blue}{\left(\frac{0.6666666666666666}{t} + \left(-0.8333333333333334 - a\right)\right)}\right) + \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)} \]

   10. Applied egg-rr 56.1%

       \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot \color{blue}{\left(\left(\frac{0.6666666666666666}{t} + \left(-0.8333333333333334 - a\right)\right) \cdot \left(\frac{0.6666666666666666}{t} + \left(-0.8333333333333334 - a\right)\right)\right)} + \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)} \]

   if -9.9999999999999993e-246 < (-.f64 b c) < 5.99999999999999977e-38

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 71.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 71.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 71.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 71.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in b around 0 51.8%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)}^{2}\right) + 2 \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. distribute-lft-out 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \color{blue}{\left(2 \cdot \left(b \cdot {\left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)}\right)} \]

      2. associate--r+ 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\color{blue}{\left(\left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right) - a\right)}}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      3. sub-neg 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\color{blue}{\left(0.6666666666666666 \cdot \frac{1}{t} + \left(-0.8333333333333334\right)\right)} - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      4. associate-*r/ 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} + \left(-0.8333333333333334\right)\right) - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      5. metadata-eval 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{\color{blue}{0.6666666666666666}}{t} + \left(-0.8333333333333334\right)\right) - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      6. metadata-eval 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + \color{blue}{-0.8333333333333334}\right) - a\right)}^{2} + \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

      7. associate--r+ 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \color{blue}{\left(\left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right) - a\right)}\right)\right)\right)} \]

      8. sub-neg 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\color{blue}{\left(0.6666666666666666 \cdot \frac{1}{t} + \left(-0.8333333333333334\right)\right)} - a\right)\right)\right)\right)} \]

      9. associate-*r/ 51.8%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} + \left(-0.8333333333333334\right)\right) - a\right)\right)\right)\right)} \]

      10. metadata-eval 51.8%

          \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\frac{\color{blue}{0.6666666666666666}}{t} + \left(-0.8333333333333334\right)\right) - a\right)\right)\right)\right)} \]

      11. metadata-eval 51.8%

          \[\leadsto \frac{x}{x + y \cdot \left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\frac{0.6666666666666666}{t} + \color{blue}{-0.8333333333333334}\right) - a\right)\right)\right)\right)} \]

   8. Simplified 51.8%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + b \cdot \left(2 \cdot \left(b \cdot {\left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)}^{2} + \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)}} \]

   9. Taylor expanded in b around 0 69.4%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(b \cdot \left(y \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)}} \]
   10. Step-by-step derivation

       1. associate-*r/ 69.4%

          \[\leadsto \frac{x}{x + \left(y + 2 \cdot \left(b \cdot \left(y \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

       2. metadata-eval 69.4%

          \[\leadsto \frac{x}{x + \left(y + 2 \cdot \left(b \cdot \left(y \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)} \]

   11. Simplified 69.4%

       \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(b \cdot \left(y \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)\right)}} \]

   if 5.99999999999999977e-38 < (-.f64 b c)

   1. Initial program 93.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   3. Simplified 95.7%

      \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
   4. Add Preprocessing

   5. Taylor expanded in x around inf 66.9%

      \[\leadsto \color{blue}{1} \]
3. Recombined 3 regimes into one program.

4. Final simplification 62.4%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -1 \cdot 10^{-245}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1 - b \cdot \left(2 \cdot \left(b \cdot \left(\left(\frac{0.6666666666666666}{t} + \left(-0.8333333333333334 - a\right)\right) \cdot \left(\left(a - -0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right) + \left(a - \left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right)\right)\right)\right)\right)}\\ \mathbf{elif}\;b - c \leq 6 \cdot 10^{-38}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 12: 54.2% accurate, 8.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq 6 \cdot 10^{-38}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 + \left(2 \cdot b\right) \cdot \left(a - \left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) 6e-38)
   (/
    x
    (-
     x
     (*
      y
      (+
       -1.0
       (* (* 2.0 b) (- a (+ (/ 0.6666666666666666 t) -0.8333333333333334)))))))
   1.0))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= 6e-38) {
		tmp = x / (x - (y * (-1.0 + ((2.0 * b) * (a - ((0.6666666666666666 / t) + -0.8333333333333334))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= 6d-38) then
        tmp = x / (x - (y * ((-1.0d0) + ((2.0d0 * b) * (a - ((0.6666666666666666d0 / t) + (-0.8333333333333334d0)))))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= 6e-38) {
		tmp = x / (x - (y * (-1.0 + ((2.0 * b) * (a - ((0.6666666666666666 / t) + -0.8333333333333334))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= 6e-38:
		tmp = x / (x - (y * (-1.0 + ((2.0 * b) * (a - ((0.6666666666666666 / t) + -0.8333333333333334))))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= 6e-38)
		tmp = Float64(x / Float64(x - Float64(y * Float64(-1.0 + Float64(Float64(2.0 * b) * Float64(a - Float64(Float64(0.6666666666666666 / t) + -0.8333333333333334)))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= 6e-38)
		tmp = x / (x - (y * (-1.0 + ((2.0 * b) * (a - ((0.6666666666666666 / t) + -0.8333333333333334))))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], 6e-38], N[(x / N[(x - N[(y * N[(-1.0 + N[(N[(2.0 * b), $MachinePrecision] * N[(a - N[(N[(0.6666666666666666 / t), $MachinePrecision] + -0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]

Derivation

1. Split input into 2 regimes

2. if (-.f64 b c) < 5.99999999999999977e-38

   1. Initial program 97.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 70.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 70.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 70.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 70.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in b around 0 47.9%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + 2 \cdot \left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. associate-*r* 47.9%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + \color{blue}{\left(2 \cdot b\right) \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)}\right)} \]

      2. associate--r+ 47.9%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + \left(2 \cdot b\right) \cdot \color{blue}{\left(\left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right) - a\right)}\right)} \]

      3. sub-neg 47.9%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + \left(2 \cdot b\right) \cdot \left(\color{blue}{\left(0.6666666666666666 \cdot \frac{1}{t} + \left(-0.8333333333333334\right)\right)} - a\right)\right)} \]

      4. associate-*r/ 47.9%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + \left(2 \cdot b\right) \cdot \left(\left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} + \left(-0.8333333333333334\right)\right) - a\right)\right)} \]

      5. metadata-eval 47.9%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + \left(2 \cdot b\right) \cdot \left(\left(\frac{\color{blue}{0.6666666666666666}}{t} + \left(-0.8333333333333334\right)\right) - a\right)\right)} \]

      6. metadata-eval 47.9%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + \left(2 \cdot b\right) \cdot \left(\left(\frac{0.6666666666666666}{t} + \color{blue}{-0.8333333333333334}\right) - a\right)\right)} \]

   8. Simplified 47.9%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + \left(2 \cdot b\right) \cdot \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)}} \]

   if 5.99999999999999977e-38 < (-.f64 b c)

   1. Initial program 93.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   3. Simplified 95.7%

      \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
   4. Add Preprocessing

   5. Taylor expanded in x around inf 66.9%

      \[\leadsto \color{blue}{1} \]
3. Recombined 2 regimes into one program.

4. Final simplification 56.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq 6 \cdot 10^{-38}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 + \left(2 \cdot b\right) \cdot \left(a - \left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 13: 50.4% accurate, 10.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq 1.46 \cdot 10^{+85}:\\ \;\;\;\;1\\ \mathbf{elif}\;y \leq 1.4 \cdot 10^{+232}:\\ \;\;\;\;\frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot a\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= y 1.46e+85)
   1.0
   (if (<= y 1.4e+232) (/ x (+ x (+ y (* (* 2.0 c) (* y a))))) 1.0)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (y <= 1.46e+85) {
		tmp = 1.0;
	} else if (y <= 1.4e+232) {
		tmp = x / (x + (y + ((2.0 * c) * (y * a))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (y <= 1.46d+85) then
        tmp = 1.0d0
    else if (y <= 1.4d+232) then
        tmp = x / (x + (y + ((2.0d0 * c) * (y * a))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (y <= 1.46e+85) {
		tmp = 1.0;
	} else if (y <= 1.4e+232) {
		tmp = x / (x + (y + ((2.0 * c) * (y * a))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if y <= 1.46e+85:
		tmp = 1.0
	elif y <= 1.4e+232:
		tmp = x / (x + (y + ((2.0 * c) * (y * a))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (y <= 1.46e+85)
		tmp = 1.0;
	elseif (y <= 1.4e+232)
		tmp = Float64(x / Float64(x + Float64(y + Float64(Float64(2.0 * c) * Float64(y * a)))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (y <= 1.46e+85)
		tmp = 1.0;
	elseif (y <= 1.4e+232)
		tmp = x / (x + (y + ((2.0 * c) * (y * a))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[y, 1.46e+85], 1.0, If[LessEqual[y, 1.4e+232], N[(x / N[(x + N[(y + N[(N[(2.0 * c), $MachinePrecision] * N[(y * a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]

Derivation

1. Split input into 2 regimes

2. if y < 1.46e85 or 1.3999999999999999e232 < y

   1. Initial program 96.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   3. Simplified 97.4%

      \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
   4. Add Preprocessing

   5. Taylor expanded in x around inf 55.2%

      \[\leadsto \color{blue}{1} \]

   if 1.46e85 < y < 1.3999999999999999e232

   1. Initial program 93.1%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in c around inf 73.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate--l+ 73.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \color{blue}{\left(0.8333333333333334 + \left(a - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}\right)}} \]

      2. associate-*r/ 73.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)\right)}} \]

      3. metadata-eval 73.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)\right)}} \]

   5. Simplified 73.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}} \]

   6. Taylor expanded in c around 0 67.0%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. associate-*r* 67.0%

         \[\leadsto \frac{x}{x + \left(y + \color{blue}{\left(2 \cdot c\right) \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}\right)} \]

      2. associate-*r/ 67.0%

         \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)\right)} \]

      3. metadata-eval 67.0%

         \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)\right)} \]

      4. +-commutative 67.0%

         \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)\right)} \]

      5. associate--l+ 67.0%

         \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \color{blue}{\left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right)}\right)\right)} \]

      6. sub-neg 67.0%

         \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \left(a + \color{blue}{\left(0.8333333333333334 + \left(-\frac{0.6666666666666666}{t}\right)\right)}\right)\right)\right)} \]

      7. distribute-neg-frac 67.0%

         \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \left(a + \left(0.8333333333333334 + \color{blue}{\frac{-0.6666666666666666}{t}}\right)\right)\right)\right)} \]

      8. metadata-eval 67.0%

         \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \left(a + \left(0.8333333333333334 + \frac{\color{blue}{-0.6666666666666666}}{t}\right)\right)\right)\right)} \]

   8. Simplified 67.0%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \left(a + \left(0.8333333333333334 + \frac{-0.6666666666666666}{t}\right)\right)\right)\right)}} \]

   9. Taylor expanded in a around inf 63.5%

      \[\leadsto \frac{x}{x + \left(y + \left(2 \cdot c\right) \cdot \left(y \cdot \color{blue}{a}\right)\right)} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 14: 50.1% accurate, 10.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq 5.4 \cdot 10^{+87}:\\ \;\;\;\;1\\ \mathbf{elif}\;y \leq 1.55 \cdot 10^{+234}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 - 2 \cdot \left(a \cdot c\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= y 5.4e+87)
   1.0
   (if (<= y 1.55e+234) (/ x (- x (* y (- -1.0 (* 2.0 (* a c)))))) 1.0)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (y <= 5.4e+87) {
		tmp = 1.0;
	} else if (y <= 1.55e+234) {
		tmp = x / (x - (y * (-1.0 - (2.0 * (a * c)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (y <= 5.4d+87) then
        tmp = 1.0d0
    else if (y <= 1.55d+234) then
        tmp = x / (x - (y * ((-1.0d0) - (2.0d0 * (a * c)))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (y <= 5.4e+87) {
		tmp = 1.0;
	} else if (y <= 1.55e+234) {
		tmp = x / (x - (y * (-1.0 - (2.0 * (a * c)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if y <= 5.4e+87:
		tmp = 1.0
	elif y <= 1.55e+234:
		tmp = x / (x - (y * (-1.0 - (2.0 * (a * c)))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (y <= 5.4e+87)
		tmp = 1.0;
	elseif (y <= 1.55e+234)
		tmp = Float64(x / Float64(x - Float64(y * Float64(-1.0 - Float64(2.0 * Float64(a * c))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (y <= 5.4e+87)
		tmp = 1.0;
	elseif (y <= 1.55e+234)
		tmp = x / (x - (y * (-1.0 - (2.0 * (a * c)))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[y, 5.4e+87], 1.0, If[LessEqual[y, 1.55e+234], N[(x / N[(x - N[(y * N[(-1.0 - N[(2.0 * N[(a * c), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]

Derivation

1. Split input into 2 regimes

2. if y < 5.40000000000000013e87 or 1.54999999999999995e234 < y

   1. Initial program 96.1%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   3. Simplified 97.4%

      \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
   4. Add Preprocessing

   5. Taylor expanded in x around inf 55.0%

      \[\leadsto \color{blue}{1} \]

   if 5.40000000000000013e87 < y < 1.54999999999999995e234

   1. Initial program 92.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in c around inf 75.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate--l+ 75.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \color{blue}{\left(0.8333333333333334 + \left(a - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}\right)}} \]

      2. associate-*r/ 75.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)\right)}} \]

      3. metadata-eval 75.8%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(0.8333333333333334 + \left(a - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)\right)}} \]

   5. Simplified 75.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)}}} \]

   6. Taylor expanded in a around inf 65.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot c\right)}}} \]

   7. Taylor expanded in a around 0 65.4%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + 2 \cdot \left(a \cdot c\right)\right)}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 56.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;y \leq 5.4 \cdot 10^{+87}:\\ \;\;\;\;1\\ \mathbf{elif}\;y \leq 1.55 \cdot 10^{+234}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 - 2 \cdot \left(a \cdot c\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 15: 50.5% accurate, 11.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq 2.9 \cdot 10^{+84}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 - \left(a + 0.8333333333333334\right) \cdot \left(b \cdot -2\right)\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= y 2.9e+84)
   1.0
   (/ x (- x (* y (- -1.0 (* (+ a 0.8333333333333334) (* b -2.0))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (y <= 2.9e+84) {
		tmp = 1.0;
	} else {
		tmp = x / (x - (y * (-1.0 - ((a + 0.8333333333333334) * (b * -2.0)))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (y <= 2.9d+84) then
        tmp = 1.0d0
    else
        tmp = x / (x - (y * ((-1.0d0) - ((a + 0.8333333333333334d0) * (b * (-2.0d0))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (y <= 2.9e+84) {
		tmp = 1.0;
	} else {
		tmp = x / (x - (y * (-1.0 - ((a + 0.8333333333333334) * (b * -2.0)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if y <= 2.9e+84:
		tmp = 1.0
	else:
		tmp = x / (x - (y * (-1.0 - ((a + 0.8333333333333334) * (b * -2.0)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (y <= 2.9e+84)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x - Float64(y * Float64(-1.0 - Float64(Float64(a + 0.8333333333333334) * Float64(b * -2.0))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (y <= 2.9e+84)
		tmp = 1.0;
	else
		tmp = x / (x - (y * (-1.0 - ((a + 0.8333333333333334) * (b * -2.0)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[y, 2.9e+84], 1.0, N[(x / N[(x - N[(y * N[(-1.0 - N[(N[(a + 0.8333333333333334), $MachinePrecision] * N[(b * -2.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if y < 2.89999999999999989e84

   1. Initial program 95.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   3. Simplified 97.3%

      \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
   4. Add Preprocessing

   5. Taylor expanded in x around inf 54.3%

      \[\leadsto \color{blue}{1} \]

   if 2.89999999999999989e84 < y

   1. Initial program 94.7%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. Add Preprocessing

   3. Taylor expanded in b around inf 79.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   4. Step-by-step derivation

      1. associate-*r/ 79.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 79.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   5. Simplified 79.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]

   6. Taylor expanded in t around inf 72.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(b \cdot \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   7. Step-by-step derivation

      1. mul-1-neg 72.0%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-b \cdot \left(0.8333333333333334 + a\right)\right)}}} \]

      2. +-commutative 72.0%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-b \cdot \color{blue}{\left(a + 0.8333333333333334\right)}\right)}} \]

      3. distribute-rgt-neg-in 72.0%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-\left(a + 0.8333333333333334\right)\right)\right)}}} \]

      4. +-commutative 72.0%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-\color{blue}{\left(0.8333333333333334 + a\right)}\right)\right)}} \]

      5. distribute-neg-in 72.0%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) + \left(-a\right)\right)}\right)}} \]

      6. unsub-neg 72.0%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \color{blue}{\left(\left(-0.8333333333333334\right) - a\right)}\right)}} \]

      7. metadata-eval 72.0%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{-0.8333333333333334} - a\right)\right)}} \]

   8. Simplified 72.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}} \]

   9. Taylor expanded in b around 0 59.5%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + -2 \cdot \left(b \cdot \left(0.8333333333333334 + a\right)\right)\right)}} \]
   10. Step-by-step derivation

       1. associate-*r* 59.5%

          \[\leadsto \frac{x}{x + y \cdot \left(1 + \color{blue}{\left(-2 \cdot b\right) \cdot \left(0.8333333333333334 + a\right)}\right)} \]

       2. *-commutative 59.5%

          \[\leadsto \frac{x}{x + y \cdot \left(1 + \color{blue}{\left(b \cdot -2\right)} \cdot \left(0.8333333333333334 + a\right)\right)} \]

   11. Simplified 59.5%

       \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + \left(b \cdot -2\right) \cdot \left(0.8333333333333334 + a\right)\right)}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 55.0%

   \[\leadsto \begin{array}{l} \mathbf{if}\;y \leq 2.9 \cdot 10^{+84}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 - \left(a + 0.8333333333333334\right) \cdot \left(b \cdot -2\right)\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 16: 50.9% accurate, 231.0× speedup

Math

\[\begin{array}{l} \\ 1 \end{array} \]

FPCore

(FPCore (x y z t a b c) :precision binary64 1.0)

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return 1.0;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    code = 1.0d0
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	return 1.0;
}

Python

def code(x, y, z, t, a, b, c):
	return 1.0

Julia

function code(x, y, z, t, a, b, c)
	return 1.0
end

MATLAB

function tmp = code(x, y, z, t, a, b, c)
	tmp = 1.0;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := 1.0

Derivation

1. Initial program 95.7%

   \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

3. Simplified 96.9%

   \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(z, \frac{\sqrt{t + a}}{t}, \left(a + \left(0.8333333333333334 - \frac{0.6666666666666666}{t}\right)\right) \cdot \left(c - b\right)\right)\right)}, x\right)}} \]
4. Add Preprocessing

5. Taylor expanded in x around inf 52.2%

   \[\leadsto \color{blue}{1} \]
6. Add Preprocessing

Developer Target 1: 95.2% accurate, 0.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := z \cdot \sqrt{t + a}\\ t_2 := a - \frac{5}{6}\\ \mathbf{if}\;t < -2.118326644891581 \cdot 10^{-50}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a \cdot c + 0.8333333333333334 \cdot c\right) - a \cdot b\right)}}\\ \mathbf{elif}\;t < 5.196588770651547 \cdot 10^{-123}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{t\_1 \cdot \left(\left(3 \cdot t\right) \cdot t\_2\right) - \left(\left(\frac{5}{6} + a\right) \cdot \left(3 \cdot t\right) - 2\right) \cdot \left(t\_2 \cdot \left(\left(b - c\right) \cdot t\right)\right)}{\left(\left(t \cdot t\right) \cdot 3\right) \cdot t\_2}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{t\_1}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (* z (sqrt (+ t a)))) (t_2 (- a (/ 5.0 6.0))))
   (if (< t -2.118326644891581e-50)
     (/
      x
      (+
       x
       (* y (exp (* 2.0 (- (+ (* a c) (* 0.8333333333333334 c)) (* a b)))))))
     (if (< t 5.196588770651547e-123)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (/
             (-
              (* t_1 (* (* 3.0 t) t_2))
              (*
               (- (* (+ (/ 5.0 6.0) a) (* 3.0 t)) 2.0)
               (* t_2 (* (- b c) t))))
             (* (* (* t t) 3.0) t_2)))))))
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (-
             (/ t_1 t)
             (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0))))))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = z * sqrt((t + a));
	double t_2 = a - (5.0 / 6.0);
	double tmp;
	if (t < -2.118326644891581e-50) {
		tmp = x / (x + (y * exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))));
	} else if (t < 5.196588770651547e-123) {
		tmp = x / (x + (y * exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: t_1
    real(8) :: t_2
    real(8) :: tmp
    t_1 = z * sqrt((t + a))
    t_2 = a - (5.0d0 / 6.0d0)
    if (t < (-2.118326644891581d-50)) then
        tmp = x / (x + (y * exp((2.0d0 * (((a * c) + (0.8333333333333334d0 * c)) - (a * b))))))
    else if (t < 5.196588770651547d-123) then
        tmp = x / (x + (y * exp((2.0d0 * (((t_1 * ((3.0d0 * t) * t_2)) - (((((5.0d0 / 6.0d0) + a) * (3.0d0 * t)) - 2.0d0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0d0) * t_2))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((t_1 / t) - ((b - c) * ((a + (5.0d0 / 6.0d0)) - (2.0d0 / (t * 3.0d0)))))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = z * Math.sqrt((t + a));
	double t_2 = a - (5.0 / 6.0);
	double tmp;
	if (t < -2.118326644891581e-50) {
		tmp = x / (x + (y * Math.exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))));
	} else if (t < 5.196588770651547e-123) {
		tmp = x / (x + (y * Math.exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = z * math.sqrt((t + a))
	t_2 = a - (5.0 / 6.0)
	tmp = 0
	if t < -2.118326644891581e-50:
		tmp = x / (x + (y * math.exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))))
	elif t < 5.196588770651547e-123:
		tmp = x / (x + (y * math.exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(z * sqrt(Float64(t + a)))
	t_2 = Float64(a - Float64(5.0 / 6.0))
	tmp = 0.0
	if (t < -2.118326644891581e-50)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(a * c) + Float64(0.8333333333333334 * c)) - Float64(a * b)))))));
	elseif (t < 5.196588770651547e-123)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(t_1 * Float64(Float64(3.0 * t) * t_2)) - Float64(Float64(Float64(Float64(Float64(5.0 / 6.0) + a) * Float64(3.0 * t)) - 2.0) * Float64(t_2 * Float64(Float64(b - c) * t)))) / Float64(Float64(Float64(t * t) * 3.0) * t_2)))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(t_1 / t) - Float64(Float64(b - c) * Float64(Float64(a + Float64(5.0 / 6.0)) - Float64(2.0 / Float64(t * 3.0))))))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = z * sqrt((t + a));
	t_2 = a - (5.0 / 6.0);
	tmp = 0.0;
	if (t < -2.118326644891581e-50)
		tmp = x / (x + (y * exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))));
	elseif (t < 5.196588770651547e-123)
		tmp = x / (x + (y * exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[(a - N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision]}, If[Less[t, -2.118326644891581e-50], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(a * c), $MachinePrecision] + N[(0.8333333333333334 * c), $MachinePrecision]), $MachinePrecision] - N[(a * b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Less[t, 5.196588770651547e-123], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(t$95$1 * N[(N[(3.0 * t), $MachinePrecision] * t$95$2), $MachinePrecision]), $MachinePrecision] - N[(N[(N[(N[(N[(5.0 / 6.0), $MachinePrecision] + a), $MachinePrecision] * N[(3.0 * t), $MachinePrecision]), $MachinePrecision] - 2.0), $MachinePrecision] * N[(t$95$2 * N[(N[(b - c), $MachinePrecision] * t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / N[(N[(N[(t * t), $MachinePrecision] * 3.0), $MachinePrecision] * t$95$2), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(t$95$1 / t), $MachinePrecision] - N[(N[(b - c), $MachinePrecision] * N[(N[(a + N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision] - N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]

Reproduce

herbie shell --seed 2024170 
(FPCore (x y z t a b c)
  :name "Numeric.SpecFunctions:invIncompleteBetaWorker from math-functions-0.1.5.2, I"
  :precision binary64

  :alt
  (! :herbie-platform default (if (< t -2118326644891581/100000000000000000000000000000000000000000000000000000000000000000) (/ x (+ x (* y (exp (* 2 (- (+ (* a c) (* 4166666666666667/5000000000000000 c)) (* a b))))))) (if (< t 5196588770651547/1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000) (/ x (+ x (* y (exp (* 2 (/ (- (* (* z (sqrt (+ t a))) (* (* 3 t) (- a (/ 5 6)))) (* (- (* (+ (/ 5 6) a) (* 3 t)) 2) (* (- a (/ 5 6)) (* (- b c) t)))) (* (* (* t t) 3) (- a (/ 5 6))))))))) (/ x (+ x (* y (exp (* 2 (- (/ (* z (sqrt (+ t a))) t) (* (- b c) (- (+ a (/ 5 6)) (/ 2 (* t 3)))))))))))))

  (/ x (+ x (* y (exp (* 2.0 (- (/ (* z (sqrt (+ t a))) t) (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0)))))))))))