SSE 4.1

4つの32ビット×32ビット演算を実行する命令である。

• pmuldq ‐ 符号付き64ビットを計算結果とする
• pmulld ‐ 計算結果の下位32ビットを計算結果とする

新たな積和演算命令が二つ追加された。

• dpps ‐ 最大4つの単精度浮動小数点
• dppd ‐ 2つの倍精度浮動小数点

dpps命令は、2個、3個、4個から任意に選択できる。

CPUのライトコンバイン(WriteCombine)メモリーへのアクセスは遅い。そこで、解決のための新命令が追加された。

• movntdqa ‐ ストリーミングリード命令

この命令の挙動は、通常のロード命令と同様で、メモリーから16バイトを読み込みレジスターにコピーする命令である。

通常のロード命令と異なるのは、ライトコンバインメモリーからキャッシュラインと同量のデータを一時バッファーにコピーし、そこから16バイトをレジスターにコピーする点にある。このため、後続の命令がロードする対象が一時バッファーに含まれていた場合、一時バッファーの中からデータをコピーするため高速である。

ソースオペランドから、同じフィールドのディスティネーションオペランドに値をコピーするブレンディングのための命令が追加されている。

従来、2から4命令必要だったものを1命令で実行できるようにし、処理の効率改善をする。

• blendps ‐ バックド単精度ブレンド
• blendpd ‐ バックド倍精度ブレンド
• blendvps ‐ バックド単精度バリアブルブレンド
• blendvpd ‐ バックド倍精度バリアブルブレンド
• pblendvb ‐ バックドbyteバリアブルブレンド
• pblendw ‐ バックドwordブレンド

8種類の、パックド整数の最小値/最大値を求める命令が追加された。

• pminsb ‐ パックドsigned byteの最小値
• pmaxsb ‐ パックドsigned byteの最大値
• pminuw ‐ パックドunsigned wordの最小値
• pmaxuw ‐ パックドunsigned wordの最大値
• pminud ‐ パックドunsigned dwordの最小値
• pmaxud ‐ パックドunsigned dwordの最大値
• pminsd ‐ パックドsigned dwordの最小値
• pmaxsd ‐ パックドsigned dwordの最大値

既に、画像処理用に8ビット符号なし、音声処理用に16ビット符号ありの命令があったが、今回はこれに新演算が追加されたことになる。

但し制限として、演算のオペランドはXMMレジスターのみである。整数演算の一種ではあるが、MMXレジスターは使用できない。

浮動小数点を丸めて整数にする、4つの丸め命令が追加されている。

• roundps ‐ パックド単精度浮動小数点の丸め
• roundss ‐ スカラー単精度浮動小数点の丸め
• roundpd ‐ パックド倍精度浮動小数点の丸め
• roundsd ‐ スカラー倍精度浮動小数点の丸め

丸めモードは、現在のモードか、または即値で任意に指定することが可能。丸めモードはIEEE-754の四種類のモード(最近値、−∞方向、+∞方向、切り捨て)に対応する。

これを用いると、床関数floor()や天井関数ceil()が、理論上は一命令で実装することが出来る。

GPRおよびXMMレジスター間での単純なデータ挿入/抽出命令が7つ(但しアセンブリ命令のニーモニックとしては9種類)追加されている。

• extractps ‐ XMMレジスター内の単精度浮動小数点の任意の要素をメモリーまたはGPRに格納する
• insertps ‐ メモリーまたはXMMレジスターの単精度浮動小数点をXMMレジスターに挿入する。また+0.0をディスティネーションフィールドに格納することも可能
• pinsrb ‐ R32/64またはメモリーのバイトをXMMレジスターに挿入
• pinsrd ‐ R32/64またはメモリーのダブルワードをXMMレジスターに挿入
• pinsrq ‐ R32/64またはメモリーのクアッドワードをXMMレジスターに挿入
• pextrb ‐ XMMレジスターのバイトを抽出し、R32/64またはメモリーに格納
• pextrw ‐ XMMレジスターのワードを抽出し、R32/64またはメモリーに格納
• pextrd ‐ XMMレジスターのダブルワードを抽出し、R32/64またはメモリーに格納
• pextrq ‐ XMMレジスターのクアッドワードを抽出し、R32/64またはメモリーに格納

ワード以上であっても、メモリーアクセス時のアラインメントは必要ない。

また、pinsrXのワード単位で動作する命令pinsrwは、既にSSE命令セットに存在する。

小さなパックド整数を、大きなパックド整数に変換する命令が12個追加されている。

• pmovsxbw ‐ パックドバイト→ワード拡張(符号あり)
• pmovzxbw ‐ パックドバイト→ワード拡張(ゼロパディング)
• pmovsxbd ‐ パックドバイト→ダブルワード拡張(符号あり)
• pmovzxbd ‐ パックドバイト→ダブルワード拡張(ゼロパディング)
• pmovsxbq ‐ パックドバイト→クアッドワード拡張(符号あり)
• pmovzxbq ‐ パックドバイト→クアッドワード拡張(ゼロパディング)
• pmovxswd ‐ パックドワード→ダブルワード拡張(符号あり)
• pmovzxwd ‐ パックドワード→ダブルワード拡張(ゼロパディング)
• pmovsxwq ‐ パックドワード→クアッドワード拡張(符号あり)
• pmovzxwq ‐ パックドワード→クアッドワード拡張(ゼロパディング)
• pmovsxdq ‐ パックドダブルワード→クアッドワード拡張(符号あり)
• pmovzxdq ‐ パックドダブルワード→クアッドワード拡張(ゼロパディング)

符号ありの場合は符号拡張をし、元の整数のMSBで拡張される部分を埋める。ゼロパディングの場合は、拡張部分はゼロで埋める。

オペランドはXMMレジスターもしくはメモリー、ディスティネーションはXMMレジスターである。ワード以上であってもアラインメントは必須ではないが、アラインメントチェックが有効の場合は、メモリー境界を合わせる必要がある。

8つの符号なしバイト整数のSADを実行し、一つの符号なしワード整数を得る命令が一つ追加されている。

• mpsadbw ‐ 差分絶対和

SSE2から搭載されたpsadbwと比較すると、この新命令mpsadbwは内部にソースシフター(Source Shifter)が装備されており、命令一つで8種類のSADが計算できる。このためオペランドにimm8が追加されている。

例えば画像処理で、xmm1に前画像、xmm2に現画像を8ヶ所分指定して実行すれば、8つのSADをまとめてxmm1に返してくれる。従って、例えば8×8サイズのSAD演算を従来とSSE4で比較すると、コード量は1/3程度にまでコンパクトに済むようになる。

8つの符号なしパックドワードから、最小値とその位置を求める命令が追加された。

• phminposuw ‐ 最小値+位置の抽出 (16ビットワード)

上で紹介したmpsadbw命令は、その結果のワードを8個、XMMレジスターにパックして返す。この命令は、これをまとめて比較し、最小の値とその場所を返す命令である。

この検索を迅速に行なうことは、モーション予測の処理の高速化に繋がり、つまりビデオエンコーディング処理の高速化に寄与する。

結果は、ディスティネーションのビット0〜15に最小値、その最小ワードのインデックスがビット16〜18に格納される。ディスティネーションの残りのビットは(将来的な拡張の可能性はあるが現時点では)ゼロで埋められる。

XMMレジスターに対するtest命令が一つ追加された。

• ptest ‐ same as test, but for sse registers.

ソースとデスティネーションの各XMMレジスター同士をAND演算し、結果をフラグ(CFおよびZF)に格納する命令である。XMMレジスターの内容は変化しない。

従来であれば、一旦CPUのレジスターに複写してからtest命令をせざるを得なかった。パックされた整数であれば、例えばpmovmskbなどの命令の後でtest命令を使う、などが一般的である。ptestを使うと、その手間が不要になる。

パックされた値の比較命令が一つ追加された。

• pcmpeqq ‐ パックド・クアッドワードの同一比較

この命令は、従来からあるpcmpeqb/pcmpeqw/pcmpeqdなどと同様の処理だが、比較単位がクアッドワードとなる。

飽和演算処理の付いた、ダブルワードからワードへの変換命令が一つ追加された。

• packusdw ‐ 符号ありパックド・ダブルワード→符号なしパックド・ワード変換(飽和付き)

元の符号ありダブルワードが、符号なしワードの範囲外(0xFFFFより大きい、または0より小さい)場合、0xFFFFまたは0x0000がディスティネーションに格納されます(飽和処理)。