FastMath dist4

Percentage Accurate: 87.1% → 97.1%

Time: 12.2s

Alternatives: 12

Speedup: 1.7×

• 32.8% of points produce a very large (infinite) output. You may want to add a precondition.

Specification

Math

\[\begin{array}{l} \\ \left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (- (+ (- (* d1 d2) (* d1 d3)) (* d4 d1)) (* d1 d1)))

C

double code(double d1, double d2, double d3, double d4) {
	return (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1);
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    code = (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1)
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	return (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1);
}

Python

def code(d1, d2, d3, d4):
	return (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1)

Julia

function code(d1, d2, d3, d4)
	return Float64(Float64(Float64(Float64(d1 * d2) - Float64(d1 * d3)) + Float64(d4 * d1)) - Float64(d1 * d1))
end

MATLAB

function tmp = code(d1, d2, d3, d4)
	tmp = (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1);
end

Wolfram

code[d1_, d2_, d3_, d4_] := N[(N[(N[(N[(d1 * d2), $MachinePrecision] - N[(d1 * d3), $MachinePrecision]), $MachinePrecision] + N[(d4 * d1), $MachinePrecision]), $MachinePrecision] - N[(d1 * d1), $MachinePrecision]), $MachinePrecision]

Initial Program: 87.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (- (+ (- (* d1 d2) (* d1 d3)) (* d4 d1)) (* d1 d1)))

C

double code(double d1, double d2, double d3, double d4) {
	return (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1);
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    code = (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1)
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	return (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1);
}

Python

def code(d1, d2, d3, d4):
	return (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1)

Julia

function code(d1, d2, d3, d4)
	return Float64(Float64(Float64(Float64(d1 * d2) - Float64(d1 * d3)) + Float64(d4 * d1)) - Float64(d1 * d1))
end

MATLAB

function tmp = code(d1, d2, d3, d4)
	tmp = (((d1 * d2) - (d1 * d3)) + (d4 * d1)) - (d1 * d1);
end

Wolfram

code[d1_, d2_, d3_, d4_] := N[(N[(N[(N[(d1 * d2), $MachinePrecision] - N[(d1 * d3), $MachinePrecision]), $MachinePrecision] + N[(d4 * d1), $MachinePrecision]), $MachinePrecision] - N[(d1 * d1), $MachinePrecision]), $MachinePrecision]

Alternative 1: 97.1% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \mathsf{fma}\left(d2 - d3, d1, \left(d4 - d1\right) \cdot d1\right) \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4) :precision binary64 (fma (- d2 d3) d1 (* (- d4 d1) d1)))

C

double code(double d1, double d2, double d3, double d4) {
	return fma((d2 - d3), d1, ((d4 - d1) * d1));
}

Julia

function code(d1, d2, d3, d4)
	return fma(Float64(d2 - d3), d1, Float64(Float64(d4 - d1) * d1))
end

Wolfram

code[d1_, d2_, d3_, d4_] := N[(N[(d2 - d3), $MachinePrecision] * d1 + N[(N[(d4 - d1), $MachinePrecision] * d1), $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 90.6%

   \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
2. Add Preprocessing
3. Step-by-step derivation

   1. lift--.f64 N/A

      \[\leadsto \color{blue}{\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1} \]

   2. lift-+.f64 N/A

      \[\leadsto \color{blue}{\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right)} - d1 \cdot d1 \]

   3. associate--l+ N/A

      \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) + \left(d4 \cdot d1 - d1 \cdot d1\right)} \]

   4. lift--.f64 N/A

      \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right)} + \left(d4 \cdot d1 - d1 \cdot d1\right) \]

   5. lift-*.f64 N/A

      \[\leadsto \left(\color{blue}{d1 \cdot d2} - d1 \cdot d3\right) + \left(d4 \cdot d1 - d1 \cdot d1\right) \]

   6. lift-*.f64 N/A

      \[\leadsto \left(d1 \cdot d2 - \color{blue}{d1 \cdot d3}\right) + \left(d4 \cdot d1 - d1 \cdot d1\right) \]

   7. distribute-lft-out-- N/A

      \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} + \left(d4 \cdot d1 - d1 \cdot d1\right) \]

   8. *-commutative N/A

      \[\leadsto \color{blue}{\left(d2 - d3\right) \cdot d1} + \left(d4 \cdot d1 - d1 \cdot d1\right) \]

   9. lower-fma.f64 N/A

      \[\leadsto \color{blue}{\mathsf{fma}\left(d2 - d3, d1, d4 \cdot d1 - d1 \cdot d1\right)} \]

   10. lower--.f64 N/A

       \[\leadsto \mathsf{fma}\left(\color{blue}{d2 - d3}, d1, d4 \cdot d1 - d1 \cdot d1\right) \]

   11. lift-*.f64 N/A

       \[\leadsto \mathsf{fma}\left(d2 - d3, d1, \color{blue}{d4 \cdot d1} - d1 \cdot d1\right) \]

   12. lift-*.f64 N/A

       \[\leadsto \mathsf{fma}\left(d2 - d3, d1, d4 \cdot d1 - \color{blue}{d1 \cdot d1}\right) \]

   13. distribute-rgt-out-- N/A

       \[\leadsto \mathsf{fma}\left(d2 - d3, d1, \color{blue}{d1 \cdot \left(d4 - d1\right)}\right) \]

   14. lower-*.f64 N/A

       \[\leadsto \mathsf{fma}\left(d2 - d3, d1, \color{blue}{d1 \cdot \left(d4 - d1\right)}\right) \]

   15. lower--.f64 99.2

       \[\leadsto \mathsf{fma}\left(d2 - d3, d1, d1 \cdot \color{blue}{\left(d4 - d1\right)}\right) \]

4. Applied rewrites 99.2%

   \[\leadsto \color{blue}{\mathsf{fma}\left(d2 - d3, d1, d1 \cdot \left(d4 - d1\right)\right)} \]

5. Final simplification 99.2%

   \[\leadsto \mathsf{fma}\left(d2 - d3, d1, \left(d4 - d1\right) \cdot d1\right) \]
6. Add Preprocessing

Alternative 2: 63.0% accurate, 1.1× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d4 \leq -1.95 \cdot 10^{-283}:\\ \;\;\;\;\left(d2 - d1\right) \cdot d1\\ \mathbf{elif}\;d4 \leq 7 \cdot 10^{-53}:\\ \;\;\;\;\left(\left(-d3\right) - d1\right) \cdot d1\\ \mathbf{elif}\;d4 \leq 6.5 \cdot 10^{+100}:\\ \;\;\;\;\left(d2 - d3\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;\left(d4 - d3\right) \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d4 -1.95e-283)
   (* (- d2 d1) d1)
   (if (<= d4 7e-53)
     (* (- (- d3) d1) d1)
     (if (<= d4 6.5e+100) (* (- d2 d3) d1) (* (- d4 d3) d1)))))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d4 <= -1.95e-283) {
		tmp = (d2 - d1) * d1;
	} else if (d4 <= 7e-53) {
		tmp = (-d3 - d1) * d1;
	} else if (d4 <= 6.5e+100) {
		tmp = (d2 - d3) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d4 <= (-1.95d-283)) then
        tmp = (d2 - d1) * d1
    else if (d4 <= 7d-53) then
        tmp = (-d3 - d1) * d1
    else if (d4 <= 6.5d+100) then
        tmp = (d2 - d3) * d1
    else
        tmp = (d4 - d3) * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d4 <= -1.95e-283) {
		tmp = (d2 - d1) * d1;
	} else if (d4 <= 7e-53) {
		tmp = (-d3 - d1) * d1;
	} else if (d4 <= 6.5e+100) {
		tmp = (d2 - d3) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d4 <= -1.95e-283:
		tmp = (d2 - d1) * d1
	elif d4 <= 7e-53:
		tmp = (-d3 - d1) * d1
	elif d4 <= 6.5e+100:
		tmp = (d2 - d3) * d1
	else:
		tmp = (d4 - d3) * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d4 <= -1.95e-283)
		tmp = Float64(Float64(d2 - d1) * d1);
	elseif (d4 <= 7e-53)
		tmp = Float64(Float64(Float64(-d3) - d1) * d1);
	elseif (d4 <= 6.5e+100)
		tmp = Float64(Float64(d2 - d3) * d1);
	else
		tmp = Float64(Float64(d4 - d3) * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d4 <= -1.95e-283)
		tmp = (d2 - d1) * d1;
	elseif (d4 <= 7e-53)
		tmp = (-d3 - d1) * d1;
	elseif (d4 <= 6.5e+100)
		tmp = (d2 - d3) * d1;
	else
		tmp = (d4 - d3) * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d4, -1.95e-283], N[(N[(d2 - d1), $MachinePrecision] * d1), $MachinePrecision], If[LessEqual[d4, 7e-53], N[(N[((-d3) - d1), $MachinePrecision] * d1), $MachinePrecision], If[LessEqual[d4, 6.5e+100], N[(N[(d2 - d3), $MachinePrecision] * d1), $MachinePrecision], N[(N[(d4 - d3), $MachinePrecision] * d1), $MachinePrecision]]]]

Derivation

1. Split input into 4 regimes

2. if d4 < -1.9500000000000001e-283

   1. Initial program 87.2%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around 0

      \[\leadsto \color{blue}{d1 \cdot d2 - \left(d1 \cdot d3 + {d1}^{2}\right)} \]
   4. Step-by-step derivation

      1. associate--r+ N/A

         \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) - {d1}^{2}} \]

      2. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} - {d1}^{2} \]

      3. unpow2 N/A

         \[\leadsto d1 \cdot \left(d2 - d3\right) - \color{blue}{d1 \cdot d1} \]

      4. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 - d3\right) - d1\right)} \]

      5. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      6. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      7. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right)} \cdot d1 \]

      8. lower--.f64 76.3

         \[\leadsto \left(\color{blue}{\left(d2 - d3\right)} - d1\right) \cdot d1 \]

   5. Applied rewrites 76.3%

      \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

   6. Taylor expanded in d3 around 0

      \[\leadsto \left(d2 - d1\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 55.8%

      \[\leadsto \left(d2 - d1\right) \cdot d1 \]

   if -1.9500000000000001e-283 < d4 < 6.99999999999999987e-53

   1. Initial program 98.2%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around 0

      \[\leadsto \color{blue}{d1 \cdot d2 - \left(d1 \cdot d3 + {d1}^{2}\right)} \]
   4. Step-by-step derivation

      1. associate--r+ N/A

         \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) - {d1}^{2}} \]

      2. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} - {d1}^{2} \]

      3. unpow2 N/A

         \[\leadsto d1 \cdot \left(d2 - d3\right) - \color{blue}{d1 \cdot d1} \]

      4. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 - d3\right) - d1\right)} \]

      5. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      6. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      7. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right)} \cdot d1 \]

      8. lower--.f64 98.3

         \[\leadsto \left(\color{blue}{\left(d2 - d3\right)} - d1\right) \cdot d1 \]

   5. Applied rewrites 98.3%

      \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

   6. Taylor expanded in d2 around 0

      \[\leadsto \left(-1 \cdot d3 - d1\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 73.6%

      \[\leadsto \left(\left(-d3\right) - d1\right) \cdot d1 \]

   if 6.99999999999999987e-53 < d4 < 6.50000000000000001e100

   1. Initial program 99.9%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around 0

      \[\leadsto \color{blue}{d1 \cdot d2 - \left(d1 \cdot d3 + {d1}^{2}\right)} \]
   4. Step-by-step derivation

      1. associate--r+ N/A

         \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) - {d1}^{2}} \]

      2. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} - {d1}^{2} \]

      3. unpow2 N/A

         \[\leadsto d1 \cdot \left(d2 - d3\right) - \color{blue}{d1 \cdot d1} \]

      4. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 - d3\right) - d1\right)} \]

      5. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      6. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      7. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right)} \cdot d1 \]

      8. lower--.f64 80.5

         \[\leadsto \left(\color{blue}{\left(d2 - d3\right)} - d1\right) \cdot d1 \]

   5. Applied rewrites 80.5%

      \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

   6. Taylor expanded in d1 around 0

      \[\leadsto \left(d2 - d3\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 77.0%

      \[\leadsto \left(d2 - d3\right) \cdot d1 \]

   if 6.50000000000000001e100 < d4

   1. Initial program 84.6%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 87.4

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 87.4%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]

   6. Taylor expanded in d2 around 0

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 66.5%

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
3. Recombined 4 regimes into one program.
4. Add Preprocessing

Alternative 3: 89.1% accurate, 1.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := \left(d2 - d1\right) \cdot d1\\ \mathbf{if}\;d1 \leq -1.6 \cdot 10^{+124}:\\ \;\;\;\;t\_0\\ \mathbf{elif}\;d1 \leq 3.2 \cdot 10^{+142}:\\ \;\;\;\;\left(\left(d4 + d2\right) - d3\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;t\_0\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (let* ((t_0 (* (- d2 d1) d1)))
   (if (<= d1 -1.6e+124)
     t_0
     (if (<= d1 3.2e+142) (* (- (+ d4 d2) d3) d1) t_0))))

C

double code(double d1, double d2, double d3, double d4) {
	double t_0 = (d2 - d1) * d1;
	double tmp;
	if (d1 <= -1.6e+124) {
		tmp = t_0;
	} else if (d1 <= 3.2e+142) {
		tmp = ((d4 + d2) - d3) * d1;
	} else {
		tmp = t_0;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: t_0
    real(8) :: tmp
    t_0 = (d2 - d1) * d1
    if (d1 <= (-1.6d+124)) then
        tmp = t_0
    else if (d1 <= 3.2d+142) then
        tmp = ((d4 + d2) - d3) * d1
    else
        tmp = t_0
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double t_0 = (d2 - d1) * d1;
	double tmp;
	if (d1 <= -1.6e+124) {
		tmp = t_0;
	} else if (d1 <= 3.2e+142) {
		tmp = ((d4 + d2) - d3) * d1;
	} else {
		tmp = t_0;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	t_0 = (d2 - d1) * d1
	tmp = 0
	if d1 <= -1.6e+124:
		tmp = t_0
	elif d1 <= 3.2e+142:
		tmp = ((d4 + d2) - d3) * d1
	else:
		tmp = t_0
	return tmp

Julia

function code(d1, d2, d3, d4)
	t_0 = Float64(Float64(d2 - d1) * d1)
	tmp = 0.0
	if (d1 <= -1.6e+124)
		tmp = t_0;
	elseif (d1 <= 3.2e+142)
		tmp = Float64(Float64(Float64(d4 + d2) - d3) * d1);
	else
		tmp = t_0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	t_0 = (d2 - d1) * d1;
	tmp = 0.0;
	if (d1 <= -1.6e+124)
		tmp = t_0;
	elseif (d1 <= 3.2e+142)
		tmp = ((d4 + d2) - d3) * d1;
	else
		tmp = t_0;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := Block[{t$95$0 = N[(N[(d2 - d1), $MachinePrecision] * d1), $MachinePrecision]}, If[LessEqual[d1, -1.6e+124], t$95$0, If[LessEqual[d1, 3.2e+142], N[(N[(N[(d4 + d2), $MachinePrecision] - d3), $MachinePrecision] * d1), $MachinePrecision], t$95$0]]]

Derivation

1. Split input into 2 regimes

2. if d1 < -1.59999999999999996e124 or 3.20000000000000005e142 < d1

   1. Initial program 64.7%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around 0

      \[\leadsto \color{blue}{d1 \cdot d2 - \left(d1 \cdot d3 + {d1}^{2}\right)} \]
   4. Step-by-step derivation

      1. associate--r+ N/A

         \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) - {d1}^{2}} \]

      2. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} - {d1}^{2} \]

      3. unpow2 N/A

         \[\leadsto d1 \cdot \left(d2 - d3\right) - \color{blue}{d1 \cdot d1} \]

      4. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 - d3\right) - d1\right)} \]

      5. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      6. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      7. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right)} \cdot d1 \]

      8. lower--.f64 92.8

         \[\leadsto \left(\color{blue}{\left(d2 - d3\right)} - d1\right) \cdot d1 \]

   5. Applied rewrites 92.8%

      \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

   6. Taylor expanded in d3 around 0

      \[\leadsto \left(d2 - d1\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 92.8%

      \[\leadsto \left(d2 - d1\right) \cdot d1 \]

   if -1.59999999999999996e124 < d1 < 3.20000000000000005e142

   1. Initial program 99.9%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 94.4

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 94.4%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 4: 66.1% accurate, 1.4× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_0 := \left(-d3\right) \cdot d1\\ \mathbf{if}\;d3 \leq -1.02 \cdot 10^{+113}:\\ \;\;\;\;t\_0\\ \mathbf{elif}\;d3 \leq 4.1 \cdot 10^{+52}:\\ \;\;\;\;\left(d4 + d2\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;t\_0\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (let* ((t_0 (* (- d3) d1)))
   (if (<= d3 -1.02e+113) t_0 (if (<= d3 4.1e+52) (* (+ d4 d2) d1) t_0))))

C

double code(double d1, double d2, double d3, double d4) {
	double t_0 = -d3 * d1;
	double tmp;
	if (d3 <= -1.02e+113) {
		tmp = t_0;
	} else if (d3 <= 4.1e+52) {
		tmp = (d4 + d2) * d1;
	} else {
		tmp = t_0;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: t_0
    real(8) :: tmp
    t_0 = -d3 * d1
    if (d3 <= (-1.02d+113)) then
        tmp = t_0
    else if (d3 <= 4.1d+52) then
        tmp = (d4 + d2) * d1
    else
        tmp = t_0
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double t_0 = -d3 * d1;
	double tmp;
	if (d3 <= -1.02e+113) {
		tmp = t_0;
	} else if (d3 <= 4.1e+52) {
		tmp = (d4 + d2) * d1;
	} else {
		tmp = t_0;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	t_0 = -d3 * d1
	tmp = 0
	if d3 <= -1.02e+113:
		tmp = t_0
	elif d3 <= 4.1e+52:
		tmp = (d4 + d2) * d1
	else:
		tmp = t_0
	return tmp

Julia

function code(d1, d2, d3, d4)
	t_0 = Float64(Float64(-d3) * d1)
	tmp = 0.0
	if (d3 <= -1.02e+113)
		tmp = t_0;
	elseif (d3 <= 4.1e+52)
		tmp = Float64(Float64(d4 + d2) * d1);
	else
		tmp = t_0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	t_0 = -d3 * d1;
	tmp = 0.0;
	if (d3 <= -1.02e+113)
		tmp = t_0;
	elseif (d3 <= 4.1e+52)
		tmp = (d4 + d2) * d1;
	else
		tmp = t_0;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := Block[{t$95$0 = N[((-d3) * d1), $MachinePrecision]}, If[LessEqual[d3, -1.02e+113], t$95$0, If[LessEqual[d3, 4.1e+52], N[(N[(d4 + d2), $MachinePrecision] * d1), $MachinePrecision], t$95$0]]]

Derivation

1. Split input into 2 regimes

2. if d3 < -1.02000000000000002e113 or 4.1e52 < d3

   1. Initial program 86.8%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d3 around inf

      \[\leadsto \color{blue}{-1 \cdot \left(d1 \cdot d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto -1 \cdot \color{blue}{\left(d3 \cdot d1\right)} \]

      2. associate-*r* N/A

         \[\leadsto \color{blue}{\left(-1 \cdot d3\right) \cdot d1} \]

      3. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(-1 \cdot d3\right) \cdot d1} \]

      4. mul-1-neg N/A

         \[\leadsto \color{blue}{\left(\mathsf{neg}\left(d3\right)\right)} \cdot d1 \]

      5. lower-neg.f64 70.8

         \[\leadsto \color{blue}{\left(-d3\right)} \cdot d1 \]

   5. Applied rewrites 70.8%

      \[\leadsto \color{blue}{\left(-d3\right) \cdot d1} \]

   if -1.02000000000000002e113 < d3 < 4.1e52

   1. Initial program 93.0%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 78.0

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 78.0%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]

   6. Taylor expanded in d3 around 0

      \[\leadsto \left(d2 + d4\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 72.7%

      \[\leadsto \left(d4 + d2\right) \cdot d1 \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 5: 39.4% accurate, 1.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d4 \leq -1.95 \cdot 10^{-283}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d4 \leq 9.5 \cdot 10^{+28}:\\ \;\;\;\;\left(-d3\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;d4 \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d4 -1.95e-283)
   (* d1 d2)
   (if (<= d4 9.5e+28) (* (- d3) d1) (* d4 d1))))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d4 <= -1.95e-283) {
		tmp = d1 * d2;
	} else if (d4 <= 9.5e+28) {
		tmp = -d3 * d1;
	} else {
		tmp = d4 * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d4 <= (-1.95d-283)) then
        tmp = d1 * d2
    else if (d4 <= 9.5d+28) then
        tmp = -d3 * d1
    else
        tmp = d4 * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d4 <= -1.95e-283) {
		tmp = d1 * d2;
	} else if (d4 <= 9.5e+28) {
		tmp = -d3 * d1;
	} else {
		tmp = d4 * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d4 <= -1.95e-283:
		tmp = d1 * d2
	elif d4 <= 9.5e+28:
		tmp = -d3 * d1
	else:
		tmp = d4 * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d4 <= -1.95e-283)
		tmp = Float64(d1 * d2);
	elseif (d4 <= 9.5e+28)
		tmp = Float64(Float64(-d3) * d1);
	else
		tmp = Float64(d4 * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d4 <= -1.95e-283)
		tmp = d1 * d2;
	elseif (d4 <= 9.5e+28)
		tmp = -d3 * d1;
	else
		tmp = d4 * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d4, -1.95e-283], N[(d1 * d2), $MachinePrecision], If[LessEqual[d4, 9.5e+28], N[((-d3) * d1), $MachinePrecision], N[(d4 * d1), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if d4 < -1.9500000000000001e-283

   1. Initial program 87.2%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d2 around inf

      \[\leadsto \color{blue}{d1 \cdot d2} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{d2 \cdot d1} \]

      2. lower-*.f64 30.8

         \[\leadsto \color{blue}{d2 \cdot d1} \]

   5. Applied rewrites 30.8%

      \[\leadsto \color{blue}{d2 \cdot d1} \]

   if -1.9500000000000001e-283 < d4 < 9.49999999999999927e28

   1. Initial program 98.5%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d3 around inf

      \[\leadsto \color{blue}{-1 \cdot \left(d1 \cdot d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto -1 \cdot \color{blue}{\left(d3 \cdot d1\right)} \]

      2. associate-*r* N/A

         \[\leadsto \color{blue}{\left(-1 \cdot d3\right) \cdot d1} \]

      3. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(-1 \cdot d3\right) \cdot d1} \]

      4. mul-1-neg N/A

         \[\leadsto \color{blue}{\left(\mathsf{neg}\left(d3\right)\right)} \cdot d1 \]

      5. lower-neg.f64 55.7

         \[\leadsto \color{blue}{\left(-d3\right)} \cdot d1 \]

   5. Applied rewrites 55.7%

      \[\leadsto \color{blue}{\left(-d3\right) \cdot d1} \]

   if 9.49999999999999927e28 < d4

   1. Initial program 88.9%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around inf

      \[\leadsto \color{blue}{d1 \cdot d4} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{d4 \cdot d1} \]

      2. lower-*.f64 59.6

         \[\leadsto \color{blue}{d4 \cdot d1} \]

   5. Applied rewrites 59.6%

      \[\leadsto \color{blue}{d4 \cdot d1} \]
3. Recombined 3 regimes into one program.

4. Final simplification 43.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d4 \leq -1.95 \cdot 10^{-283}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d4 \leq 9.5 \cdot 10^{+28}:\\ \;\;\;\;\left(-d3\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;d4 \cdot d1\\ \end{array} \]
5. Add Preprocessing

Alternative 6: 39.0% accurate, 1.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -5.5 \cdot 10^{+77}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d2 \leq -7.5 \cdot 10^{-277}:\\ \;\;\;\;\left(-d1\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;d4 \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d2 -5.5e+77)
   (* d1 d2)
   (if (<= d2 -7.5e-277) (* (- d1) d1) (* d4 d1))))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -5.5e+77) {
		tmp = d1 * d2;
	} else if (d2 <= -7.5e-277) {
		tmp = -d1 * d1;
	} else {
		tmp = d4 * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d2 <= (-5.5d+77)) then
        tmp = d1 * d2
    else if (d2 <= (-7.5d-277)) then
        tmp = -d1 * d1
    else
        tmp = d4 * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -5.5e+77) {
		tmp = d1 * d2;
	} else if (d2 <= -7.5e-277) {
		tmp = -d1 * d1;
	} else {
		tmp = d4 * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d2 <= -5.5e+77:
		tmp = d1 * d2
	elif d2 <= -7.5e-277:
		tmp = -d1 * d1
	else:
		tmp = d4 * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d2 <= -5.5e+77)
		tmp = Float64(d1 * d2);
	elseif (d2 <= -7.5e-277)
		tmp = Float64(Float64(-d1) * d1);
	else
		tmp = Float64(d4 * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d2 <= -5.5e+77)
		tmp = d1 * d2;
	elseif (d2 <= -7.5e-277)
		tmp = -d1 * d1;
	else
		tmp = d4 * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d2, -5.5e+77], N[(d1 * d2), $MachinePrecision], If[LessEqual[d2, -7.5e-277], N[((-d1) * d1), $MachinePrecision], N[(d4 * d1), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if d2 < -5.50000000000000036e77

   1. Initial program 85.0%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d2 around inf

      \[\leadsto \color{blue}{d1 \cdot d2} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{d2 \cdot d1} \]

      2. lower-*.f64 69.3

         \[\leadsto \color{blue}{d2 \cdot d1} \]

   5. Applied rewrites 69.3%

      \[\leadsto \color{blue}{d2 \cdot d1} \]

   if -5.50000000000000036e77 < d2 < -7.49999999999999971e-277

   1. Initial program 91.7%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around inf

      \[\leadsto \color{blue}{-1 \cdot {d1}^{2}} \]
   4. Step-by-step derivation

      1. unpow2 N/A

         \[\leadsto -1 \cdot \color{blue}{\left(d1 \cdot d1\right)} \]

      2. associate-*r* N/A

         \[\leadsto \color{blue}{\left(-1 \cdot d1\right) \cdot d1} \]

      3. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(-1 \cdot d1\right) \cdot d1} \]

      4. mul-1-neg N/A

         \[\leadsto \color{blue}{\left(\mathsf{neg}\left(d1\right)\right)} \cdot d1 \]

      5. lower-neg.f64 36.4

         \[\leadsto \color{blue}{\left(-d1\right)} \cdot d1 \]

   5. Applied rewrites 36.4%

      \[\leadsto \color{blue}{\left(-d1\right) \cdot d1} \]

   if -7.49999999999999971e-277 < d2

   1. Initial program 91.9%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around inf

      \[\leadsto \color{blue}{d1 \cdot d4} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{d4 \cdot d1} \]

      2. lower-*.f64 33.0

         \[\leadsto \color{blue}{d4 \cdot d1} \]

   5. Applied rewrites 33.0%

      \[\leadsto \color{blue}{d4 \cdot d1} \]
3. Recombined 3 regimes into one program.

4. Final simplification 40.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d2 \leq -5.5 \cdot 10^{+77}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d2 \leq -7.5 \cdot 10^{-277}:\\ \;\;\;\;\left(-d1\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;d4 \cdot d1\\ \end{array} \]
5. Add Preprocessing

Alternative 7: 85.3% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d4 \leq 5.2 \cdot 10^{+26}:\\ \;\;\;\;\left(\left(d2 - d3\right) - d1\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;\left(\left(d4 + d2\right) - d3\right) \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d4 5.2e+26) (* (- (- d2 d3) d1) d1) (* (- (+ d4 d2) d3) d1)))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d4 <= 5.2e+26) {
		tmp = ((d2 - d3) - d1) * d1;
	} else {
		tmp = ((d4 + d2) - d3) * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d4 <= 5.2d+26) then
        tmp = ((d2 - d3) - d1) * d1
    else
        tmp = ((d4 + d2) - d3) * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d4 <= 5.2e+26) {
		tmp = ((d2 - d3) - d1) * d1;
	} else {
		tmp = ((d4 + d2) - d3) * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d4 <= 5.2e+26:
		tmp = ((d2 - d3) - d1) * d1
	else:
		tmp = ((d4 + d2) - d3) * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d4 <= 5.2e+26)
		tmp = Float64(Float64(Float64(d2 - d3) - d1) * d1);
	else
		tmp = Float64(Float64(Float64(d4 + d2) - d3) * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d4 <= 5.2e+26)
		tmp = ((d2 - d3) - d1) * d1;
	else
		tmp = ((d4 + d2) - d3) * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d4, 5.2e+26], N[(N[(N[(d2 - d3), $MachinePrecision] - d1), $MachinePrecision] * d1), $MachinePrecision], N[(N[(N[(d4 + d2), $MachinePrecision] - d3), $MachinePrecision] * d1), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d4 < 5.20000000000000004e26

   1. Initial program 91.0%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around 0

      \[\leadsto \color{blue}{d1 \cdot d2 - \left(d1 \cdot d3 + {d1}^{2}\right)} \]
   4. Step-by-step derivation

      1. associate--r+ N/A

         \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) - {d1}^{2}} \]

      2. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} - {d1}^{2} \]

      3. unpow2 N/A

         \[\leadsto d1 \cdot \left(d2 - d3\right) - \color{blue}{d1 \cdot d1} \]

      4. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 - d3\right) - d1\right)} \]

      5. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      6. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      7. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right)} \cdot d1 \]

      8. lower--.f64 83.7

         \[\leadsto \left(\color{blue}{\left(d2 - d3\right)} - d1\right) \cdot d1 \]

   5. Applied rewrites 83.7%

      \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

   if 5.20000000000000004e26 < d4

   1. Initial program 89.1%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 91.0

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 91.0%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 8: 62.8% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -5.6 \cdot 10^{-6}:\\ \;\;\;\;\left(d2 - d3\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;\left(d4 - d3\right) \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d2 -5.6e-6) (* (- d2 d3) d1) (* (- d4 d3) d1)))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -5.6e-6) {
		tmp = (d2 - d3) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d2 <= (-5.6d-6)) then
        tmp = (d2 - d3) * d1
    else
        tmp = (d4 - d3) * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -5.6e-6) {
		tmp = (d2 - d3) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d2 <= -5.6e-6:
		tmp = (d2 - d3) * d1
	else:
		tmp = (d4 - d3) * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d2 <= -5.6e-6)
		tmp = Float64(Float64(d2 - d3) * d1);
	else
		tmp = Float64(Float64(d4 - d3) * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d2 <= -5.6e-6)
		tmp = (d2 - d3) * d1;
	else
		tmp = (d4 - d3) * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d2, -5.6e-6], N[(N[(d2 - d3), $MachinePrecision] * d1), $MachinePrecision], N[(N[(d4 - d3), $MachinePrecision] * d1), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d2 < -5.59999999999999975e-6

   1. Initial program 89.3%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around 0

      \[\leadsto \color{blue}{d1 \cdot d2 - \left(d1 \cdot d3 + {d1}^{2}\right)} \]
   4. Step-by-step derivation

      1. associate--r+ N/A

         \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) - {d1}^{2}} \]

      2. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} - {d1}^{2} \]

      3. unpow2 N/A

         \[\leadsto d1 \cdot \left(d2 - d3\right) - \color{blue}{d1 \cdot d1} \]

      4. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 - d3\right) - d1\right)} \]

      5. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      6. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      7. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right)} \cdot d1 \]

      8. lower--.f64 89.4

         \[\leadsto \left(\color{blue}{\left(d2 - d3\right)} - d1\right) \cdot d1 \]

   5. Applied rewrites 89.4%

      \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

   6. Taylor expanded in d1 around 0

      \[\leadsto \left(d2 - d3\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 74.4%

      \[\leadsto \left(d2 - d3\right) \cdot d1 \]

   if -5.59999999999999975e-6 < d2

   1. Initial program 91.0%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 81.8

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 81.8%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]

   6. Taylor expanded in d2 around 0

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 66.0%

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 9: 62.6% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -1.1 \cdot 10^{-7}:\\ \;\;\;\;\left(d2 - d1\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;\left(d4 - d3\right) \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d2 -1.1e-7) (* (- d2 d1) d1) (* (- d4 d3) d1)))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -1.1e-7) {
		tmp = (d2 - d1) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d2 <= (-1.1d-7)) then
        tmp = (d2 - d1) * d1
    else
        tmp = (d4 - d3) * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -1.1e-7) {
		tmp = (d2 - d1) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d2 <= -1.1e-7:
		tmp = (d2 - d1) * d1
	else:
		tmp = (d4 - d3) * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d2 <= -1.1e-7)
		tmp = Float64(Float64(d2 - d1) * d1);
	else
		tmp = Float64(Float64(d4 - d3) * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d2 <= -1.1e-7)
		tmp = (d2 - d1) * d1;
	else
		tmp = (d4 - d3) * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d2, -1.1e-7], N[(N[(d2 - d1), $MachinePrecision] * d1), $MachinePrecision], N[(N[(d4 - d3), $MachinePrecision] * d1), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d2 < -1.1000000000000001e-7

   1. Initial program 89.3%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around 0

      \[\leadsto \color{blue}{d1 \cdot d2 - \left(d1 \cdot d3 + {d1}^{2}\right)} \]
   4. Step-by-step derivation

      1. associate--r+ N/A

         \[\leadsto \color{blue}{\left(d1 \cdot d2 - d1 \cdot d3\right) - {d1}^{2}} \]

      2. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(d2 - d3\right)} - {d1}^{2} \]

      3. unpow2 N/A

         \[\leadsto d1 \cdot \left(d2 - d3\right) - \color{blue}{d1 \cdot d1} \]

      4. distribute-lft-out-- N/A

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 - d3\right) - d1\right)} \]

      5. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      6. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

      7. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right)} \cdot d1 \]

      8. lower--.f64 89.4

         \[\leadsto \left(\color{blue}{\left(d2 - d3\right)} - d1\right) \cdot d1 \]

   5. Applied rewrites 89.4%

      \[\leadsto \color{blue}{\left(\left(d2 - d3\right) - d1\right) \cdot d1} \]

   6. Taylor expanded in d3 around 0

      \[\leadsto \left(d2 - d1\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 69.3%

      \[\leadsto \left(d2 - d1\right) \cdot d1 \]

   if -1.1000000000000001e-7 < d2

   1. Initial program 91.0%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 81.8

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 81.8%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]

   6. Taylor expanded in d2 around 0

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 66.0%

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 10: 64.0% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -5.8 \cdot 10^{+78}:\\ \;\;\;\;\left(d4 + d2\right) \cdot d1\\ \mathbf{else}:\\ \;\;\;\;\left(d4 - d3\right) \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d2 -5.8e+78) (* (+ d4 d2) d1) (* (- d4 d3) d1)))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -5.8e+78) {
		tmp = (d4 + d2) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d2 <= (-5.8d+78)) then
        tmp = (d4 + d2) * d1
    else
        tmp = (d4 - d3) * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -5.8e+78) {
		tmp = (d4 + d2) * d1;
	} else {
		tmp = (d4 - d3) * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d2 <= -5.8e+78:
		tmp = (d4 + d2) * d1
	else:
		tmp = (d4 - d3) * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d2 <= -5.8e+78)
		tmp = Float64(Float64(d4 + d2) * d1);
	else
		tmp = Float64(Float64(d4 - d3) * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d2 <= -5.8e+78)
		tmp = (d4 + d2) * d1;
	else
		tmp = (d4 - d3) * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d2, -5.8e+78], N[(N[(d4 + d2), $MachinePrecision] * d1), $MachinePrecision], N[(N[(d4 - d3), $MachinePrecision] * d1), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d2 < -5.80000000000000034e78

   1. Initial program 85.0%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 89.4

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 89.4%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]

   6. Taylor expanded in d3 around 0

      \[\leadsto \left(d2 + d4\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 81.4%

      \[\leadsto \left(d4 + d2\right) \cdot d1 \]

   if -5.80000000000000034e78 < d2

   1. Initial program 91.8%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d1 around 0

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + d4\right) - d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      2. lower-*.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right) \cdot d1} \]

      3. lower--.f64 N/A

         \[\leadsto \color{blue}{\left(\left(d2 + d4\right) - d3\right)} \cdot d1 \]

      4. +-commutative N/A

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

      5. lower-+.f64 81.1

         \[\leadsto \left(\color{blue}{\left(d4 + d2\right)} - d3\right) \cdot d1 \]

   5. Applied rewrites 81.1%

      \[\leadsto \color{blue}{\left(\left(d4 + d2\right) - d3\right) \cdot d1} \]

   6. Taylor expanded in d2 around 0

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
   7. Step-by-step derivation

   8. Applied rewrites 64.6%

      \[\leadsto \left(d4 - d3\right) \cdot d1 \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 11: 38.1% accurate, 2.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -8.2 \cdot 10^{-13}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d4 \cdot d1\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4)
 :precision binary64
 (if (<= d2 -8.2e-13) (* d1 d2) (* d4 d1)))

C

double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -8.2e-13) {
		tmp = d1 * d2;
	} else {
		tmp = d4 * d1;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    real(8) :: tmp
    if (d2 <= (-8.2d-13)) then
        tmp = d1 * d2
    else
        tmp = d4 * d1
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	double tmp;
	if (d2 <= -8.2e-13) {
		tmp = d1 * d2;
	} else {
		tmp = d4 * d1;
	}
	return tmp;
}

Python

def code(d1, d2, d3, d4):
	tmp = 0
	if d2 <= -8.2e-13:
		tmp = d1 * d2
	else:
		tmp = d4 * d1
	return tmp

Julia

function code(d1, d2, d3, d4)
	tmp = 0.0
	if (d2 <= -8.2e-13)
		tmp = Float64(d1 * d2);
	else
		tmp = Float64(d4 * d1);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3, d4)
	tmp = 0.0;
	if (d2 <= -8.2e-13)
		tmp = d1 * d2;
	else
		tmp = d4 * d1;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_, d4_] := If[LessEqual[d2, -8.2e-13], N[(d1 * d2), $MachinePrecision], N[(d4 * d1), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d2 < -8.2000000000000004e-13

   1. Initial program 88.5%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d2 around inf

      \[\leadsto \color{blue}{d1 \cdot d2} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{d2 \cdot d1} \]

      2. lower-*.f64 52.9

         \[\leadsto \color{blue}{d2 \cdot d1} \]

   5. Applied rewrites 52.9%

      \[\leadsto \color{blue}{d2 \cdot d1} \]

   if -8.2000000000000004e-13 < d2

   1. Initial program 91.4%

      \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
   2. Add Preprocessing

   3. Taylor expanded in d4 around inf

      \[\leadsto \color{blue}{d1 \cdot d4} \]
   4. Step-by-step derivation

      1. *-commutative N/A

         \[\leadsto \color{blue}{d4 \cdot d1} \]

      2. lower-*.f64 36.2

         \[\leadsto \color{blue}{d4 \cdot d1} \]

   5. Applied rewrites 36.2%

      \[\leadsto \color{blue}{d4 \cdot d1} \]
3. Recombined 2 regimes into one program.

4. Final simplification 40.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d2 \leq -8.2 \cdot 10^{-13}:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d4 \cdot d1\\ \end{array} \]
5. Add Preprocessing

Alternative 12: 30.3% accurate, 5.0× speedup

Math

\[\begin{array}{l} \\ d1 \cdot d2 \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4) :precision binary64 (* d1 d2))

C

double code(double d1, double d2, double d3, double d4) {
	return d1 * d2;
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    code = d1 * d2
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	return d1 * d2;
}

Python

def code(d1, d2, d3, d4):
	return d1 * d2

Julia

function code(d1, d2, d3, d4)
	return Float64(d1 * d2)
end

MATLAB

function tmp = code(d1, d2, d3, d4)
	tmp = d1 * d2;
end

Wolfram

code[d1_, d2_, d3_, d4_] := N[(d1 * d2), $MachinePrecision]

Derivation

1. Initial program 90.6%

   \[\left(\left(d1 \cdot d2 - d1 \cdot d3\right) + d4 \cdot d1\right) - d1 \cdot d1 \]
2. Add Preprocessing

3. Taylor expanded in d2 around inf

   \[\leadsto \color{blue}{d1 \cdot d2} \]
4. Step-by-step derivation

   1. *-commutative N/A

      \[\leadsto \color{blue}{d2 \cdot d1} \]

   2. lower-*.f64 31.3

      \[\leadsto \color{blue}{d2 \cdot d1} \]

5. Applied rewrites 31.3%

   \[\leadsto \color{blue}{d2 \cdot d1} \]

6. Final simplification 31.3%

   \[\leadsto d1 \cdot d2 \]
7. Add Preprocessing

Developer Target 1: 100.0% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ d1 \cdot \left(\left(\left(d2 - d3\right) + d4\right) - d1\right) \end{array} \]

FPCore

(FPCore (d1 d2 d3 d4) :precision binary64 (* d1 (- (+ (- d2 d3) d4) d1)))

C

double code(double d1, double d2, double d3, double d4) {
	return d1 * (((d2 - d3) + d4) - d1);
}

Fortran

real(8) function code(d1, d2, d3, d4)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8), intent (in) :: d4
    code = d1 * (((d2 - d3) + d4) - d1)
end function

Java

public static double code(double d1, double d2, double d3, double d4) {
	return d1 * (((d2 - d3) + d4) - d1);
}

Python

def code(d1, d2, d3, d4):
	return d1 * (((d2 - d3) + d4) - d1)

Julia

function code(d1, d2, d3, d4)
	return Float64(d1 * Float64(Float64(Float64(d2 - d3) + d4) - d1))
end

MATLAB

function tmp = code(d1, d2, d3, d4)
	tmp = d1 * (((d2 - d3) + d4) - d1);
end

Wolfram

code[d1_, d2_, d3_, d4_] := N[(d1 * N[(N[(N[(d2 - d3), $MachinePrecision] + d4), $MachinePrecision] - d1), $MachinePrecision]), $MachinePrecision]

Reproduce

herbie shell --seed 2024288 
(FPCore (d1 d2 d3 d4)
  :name "FastMath dist4"
  :precision binary64

  :alt
  (! :herbie-platform default (* d1 (- (+ (- d2 d3) d4) d1)))

  (- (+ (- (* d1 d2) (* d1 d3)) (* d4 d1)) (* d1 d1)))