更快速的 Asin() 演算法一直近在眼前

背景

這篇討論源於對 asin() 反三角函數運算效率的重新審視。開發者發現，透過採用特定的多項式逼近法，可以在不顯著犧牲精度的情況下，大幅提升運算速度。這項技術並非全新的數學突破，而是重新挖掘了隱藏在圖形程式設計與舊有數學文庫中，長期被一般系統程式開發者所忽略的優化方案。

社群觀點

在 Hacker News 的討論中，最引人注目的焦點在於不同硬體架構下效能提升的巨大差異。留言指出，這項優化在 Intel 處理器上能達到約 1.5 倍的加速，但在 Apple M4 晶片上僅有 1.02 倍的微幅提升。這反映出 Apple 的標準數學函式庫（libm）很可能早已針對其流水線設計，內建了類似的高效率多項式逼近，而 x86 平台上的 glibc 則因追求極致的數值精確度，顯得較為保守，從而留下了優化空間。這種現象揭示了「知識孤島」的存在：遊戲開發者與 GPU 工程師數十年來熟知的著色器數學公式，在一般系統程式領域卻鮮為人知。

針對運算策略的選擇，社群展開了關於「查表法」（LUT）與「算術運算」的辯論。雖然有意見認為在特定精度下，查表法能受益於 L1 快取，但反對者指出這種做法會導致微基準測試（Microbenchmarks）的結果失真。在實際應用中，查表法會佔用寶貴的快取空間，導致其他程式碼的快取被剔除，進而拖慢整體效能。因此，對於純粹的數值計算，現代處理器的共識是「運算優於記憶體存取」。此外，也有開發者主張與其追求單一函數的微幅優化，不如優先考慮 SIMD（單指令多數據）化，因為向量化運算帶來的效能增益通常遠超多項式逼近的改進。

討論中也觸及了數學逼近的本質與工具。有留言提到《雷神之鎚III》中著名的快速平方根倒數演算法，其實早在 1986 年就存在於 fdlibm 函式庫中，這證明了許多高效演算法往往早已存在，只是缺乏被發掘的契機。對於想要自行設計逼近函數的開發者，Remez 演算法被推薦為產生最佳逼近多項式的有力工具，儘管其在處理具有微小震盪的曲線時可能存在穩定性挑戰。整體而言，這場討論強調了在追求效能時，開發者必須在硬體特性、數值精度與演算法選擇之間取得精細的平衡。

延伸閱讀

• fdlibm 原始碼 (e_sqrt.c)：1986 年即存在的快速平方根運算基礎，展示了早期數學函式庫的優化思維。
• Remez 演算法：用於產生最佳多項式逼近的經典演算法，是 minimax 逼近理論的核心。
• Abramowitz and Stegun 公式 4.4.45：Cg 語言與許多圖形運算中使用的經典反三角函數逼近公式來源。
• Intel Intrinsics Guide：關於 AVX-512 指令集中 _mm512_asin_ps 序列的實作參考。