文章介绍了一种隐藏已久的快速计算反正弦函数(asin())的方法，通过优化算法显著提升了计算性能。作者分享了这一发现及其实现细节，展示了在数学函数优化方面的创新思路。

标题：更快的asin()函数其实一直就在眼前

文章作者在优化光线追踪项目PSRayTracing时，发现标准库的std::asin()函数调用频繁，成为性能瓶颈。为此尝试了多种优化方案：

1. 泰勒级数近似法

• 实现了四阶泰勒展开近似
• 速度提升5%，但在x<-0.8或x>0.8时误差较大
• 需要在这些边界情况下回退到std::asin()

2. Padé近似法

• 基于泰勒级数推导出[3/4]和[5/4]两种Padé近似
• 结合半角变换公式处理边界值
• 精度优于泰勒级数，但性能提升不明显

3. 意外发现

• 通过AI工具发现Nvidia Cg Toolkit文档中的优化方案
• 基于Abramowitz和Stegun公式4.4.45
• 实现简洁优雅，使用Horner方法计算多项式
• 在多种硬件平台测试显示显著加速：
  • x86架构：1.47-1.89倍加速
  • Apple M4：约2%加速

经验教训： - 优化前应先充分调研现有方案 - 经典数学文献中可能隐藏高效解法 - AI工具能帮助发掘被遗忘的优化方案 - 即使资深开发者也可能忽略已有优化方案

最终采用的fastasincg()实现兼具高性能和高精度，成为PSRayTracing项目的新选择。这个案例展示了在性能优化过程中，充分调研和验证的重要性。

（注：原文中的图片说明、代码实现细节和完整测试数据已保留核心内容，删减了项目导航等无关信息）

评论内容总结：

1. 对文章内容的肯定

   • 评论1认为这是理想的HN内容。
     "Ideal HN content, thanks!"
   • 评论4提到快速函数常被忽视，并以Q3A的快速平方根倒数为例。
     "We love to leave faster functions languishing in library code."

2. 技术实现与优化

   • 评论3指出Intel和Apple M4在性能优化上的差异，并提到游戏开发者与系统编程间的知识隔离问题。
     "The huge gap between Intel (1.5x) and M4 (1.02x) speedups is the most interesting result here."
   • 评论6建议优先考虑SIMD或GPU优化，认为其能带来更大的性能提升。
     "A 1.05x to 1.90x speedup is great. A 16x speedup is better!"
   • 评论10认为4%的性能提升不值得投入过多精力，并指出现代CPU中LUT的性能优势。
     "The 4% improvement doesn't seem like it's worth the effort."

3. 数学近似方法

   • 评论8和11推荐使用Remez算法和Chebyshev近似，认为其优于泰勒级数。
     "minimax approximation is an underappreciated tool"
     "Chebyshev approximation... is often close enough to the more complicated Remez algorithm."
   • 评论16强调应更多依赖理论而非程序员的自创启发式方法。
     "lean quite a bit more on theory than a programmer's usual roll-your-own heuristic"

4. 历史与知识传承

   • 评论12和15提到Abramowitz和Stegun的经典著作，认为其重要性被低估。
     "It's got a similar level of importance to its field as Knuth's Art of Computer Programming."
     "the original work was done with the goal of being performant for computers of the 1950's."
   • 评论17指出数值计算领域的知识传承问题，现代教育忽视了经典文献的价值。
     "Abramowitz and Stegun is basically a cheat code that entire generations of developers forgot existed."

5. 其他观点

   • 评论2幽默地表示喜欢丢弃已完成的工作以释放脑力。
     "I like throwing away work I've done. Frees up my mental capacity."
   • 评论7分享了一个有趣的浮点位操作实现，但承认其性能未必更优。
     "I'm pretty sure it's not faster, but it was fun to write."

总结：

评论主要围绕技术优化、数学近似方法、历史知识传承展开，既有对文章内容的肯定，也有对具体技术实现的讨论和建议。多数观点认为应更多依赖经典理论和现有优化方法，而非重复造轮子。