!C99Shell v. 2.1 [PHP 8 Update] [02.02.2022]!

Software: Apache/2.4.53 (Unix) OpenSSL/1.1.1o PHP/7.4.29 mod_perl/2.0.12 Perl/v5.34.1. PHP/7.4.29 

uname -a: Linux vps-2738122-x 4.15.0-213-generic #224-Ubuntu SMP Mon Jun 19 13:30:12 UTC 2023 x86_64 

uid=1(daemon) gid=1(daemon) grupos=1(daemon) 

Safe-mode: OFF (not secure)

/opt/apex_tdfonline/proyectos/tdfonline/www/docs/openssl/crypto/ec/asm/   drwxr-xr-x
Free 12.04 GB of 61.93 GB (19.43%)
Home    Back    Forward    UPDIR    Refresh    Search    Buffer    Encoder    Tools    Proc.    FTP brute    Sec.    SQL    PHP-code    Update    Feedback    Self remove    Logout    


Viewing file:     ecp_nistz256-x86_64.pl (101.84 KB)      -rwxr-xr-x
Select action/file-type:
(+) | (+) | (+) | Code (+) | Session (+) | (+) | SDB (+) | (+) | (+) | (+) | (+) | (+) |
#! /usr/bin/env perl
# Copyright 2014-2020 The OpenSSL Project Authors. All Rights Reserved.
# Copyright (c) 2014, Intel Corporation. All Rights Reserved.
# Copyright (c) 2015 CloudFlare, Inc.
#
# Licensed under the Apache License 2.0 (the "License").  You may not use
# this file except in compliance with the License.  You can obtain a copy
# in the file LICENSE in the source distribution or at
# https://www.openssl.org/source/license.html
#
# Originally written by Shay Gueron (1, 2), and Vlad Krasnov (1, 3)
# (1) Intel Corporation, Israel Development Center, Haifa, Israel
# (2) University of Haifa, Israel
# (3) CloudFlare, Inc.
#
# Reference:
# S.Gueron and V.Krasnov, "Fast Prime Field Elliptic Curve Cryptography with
#                          256 Bit Primes"

# Further optimization by <appro@openssl.org>:
#
#        this/original    with/without -DECP_NISTZ256_ASM(*)
# Opteron    +15-49%        +150-195%
# Bulldozer    +18-45%        +175-240%
# P4        +24-46%        +100-150%
# Westmere    +18-34%        +87-160%
# Sandy Bridge    +14-35%        +120-185%
# Ivy Bridge    +11-35%        +125-180%
# Haswell    +10-37%        +160-200%
# Broadwell    +24-58%        +210-270%
# Atom        +20-50%        +180-240%
# VIA Nano    +50-160%    +480-480%
#
# (*)    "without -DECP_NISTZ256_ASM" refers to build with
#    "enable-ec_nistp_64_gcc_128";
#
# Ranges denote minimum and maximum improvement coefficients depending
# on benchmark. In "this/original" column lower coefficient is for
# ECDSA sign, while in "with/without" - for ECDH key agreement, and
# higher - for ECDSA sign, relatively fastest server-side operation.
# Keep in mind that +100% means 2x improvement.

# $output is the last argument if it looks like a file (it has an extension)
# $flavour is the first argument if it doesn't look like a file
$output = $#ARGV >= 0 && $ARGV[$#ARGV] =~ m|\.\w+$| ? pop : undef;
$flavour = $#ARGV >= 0 && $ARGV[0] !~ m|\.| ? shift : undef;

$win64=0; $win64=1 if ($flavour =~ /[nm]asm|mingw64/ || $output =~ /\.asm$/);

$0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
( $xlate="${dir}x86_64-xlate.pl" and -f $xlate ) or
( $xlate="${dir}../../perlasm/x86_64-xlate.pl" and -f $xlate) or
die "can't locate x86_64-xlate.pl";

open OUT,"| \"$^X\" \"$xlate\" $flavour \"$output\""
    or die "can't call $xlate: $!";
*STDOUT=*OUT;

if (`$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
        =~ /GNU assembler version ([2-9]\.[0-9]+)/) {
    $avx = ($1>=2.19) + ($1>=2.22);
    $addx = ($1>=2.23);
}

if (!$addx && $win64 && ($flavour =~ /nasm/ || $ENV{ASM} =~ /nasm/) &&
        `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/) {
    $avx = ($1>=2.09) + ($1>=2.10);
    $addx = ($1>=2.10);
}

if (!$addx && $win64 && ($flavour =~ /masm/ || $ENV{ASM} =~ /ml64/) &&
        `ml64 2>&1` =~ /Version ([0-9]+)\./) {
    $avx = ($1>=10) + ($1>=11);
    $addx = ($1>=12);
}

if (!$addx && `$ENV{CC} -v 2>&1` =~ /((?:clang|LLVM) version|.*based on LLVM) ([0-9]+)\.([0-9]+)/) {
    my $ver = $2 + $3/100.0;    # 3.1->3.01, 3.10->3.10
    $avx = ($ver>=3.0) + ($ver>=3.01);
    $addx = ($ver>=3.03);
}

$code.=<<___;
.text
.extern    OPENSSL_ia32cap_P

# The polynomial
.align 64
.Lpoly:
.quad 0xffffffffffffffff, 0x00000000ffffffff, 0x0000000000000000, 0xffffffff00000001

# 2^512 mod P precomputed for NIST P256 polynomial
.LRR:
.quad 0x0000000000000003, 0xfffffffbffffffff, 0xfffffffffffffffe, 0x00000004fffffffd

.LOne:
.long 1,1,1,1,1,1,1,1
.LTwo:
.long 2,2,2,2,2,2,2,2
.LThree:
.long 3,3,3,3,3,3,3,3
.LONE_mont:
.quad 0x0000000000000001, 0xffffffff00000000, 0xffffffffffffffff, 0x00000000fffffffe

# Constants for computations modulo ord(p256)
.Lord:
.quad 0xf3b9cac2fc632551, 0xbce6faada7179e84, 0xffffffffffffffff, 0xffffffff00000000
.LordK:
.quad 0xccd1c8aaee00bc4f
___

{
################################################################################
# void ecp_nistz256_mul_by_2(uint64_t res[4], uint64_t a[4]);

my ($a0,$a1,$a2,$a3)=map("%r$_",(8..11));
my ($t0,$t1,$t2,$t3,$t4)=("%rax","%rdx","%rcx","%r12","%r13");
my ($r_ptr,$a_ptr,$b_ptr)=("%rdi","%rsi","%rdx");

$code.=<<___;

.globl    ecp_nistz256_mul_by_2
.type    ecp_nistz256_mul_by_2,\@function,2
.align    64
ecp_nistz256_mul_by_2:
.cfi_startproc
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
.Lmul_by_2_body:

    mov    8*0($a_ptr), $a0
    xor    $t4,$t4
    mov    8*1($a_ptr), $a1
    add    $a0, $a0        # a0:a3+a0:a3
    mov    8*2($a_ptr), $a2
    adc    $a1, $a1
    mov    8*3($a_ptr), $a3
    lea    .Lpoly(%rip), $a_ptr
     mov    $a0, $t0
    adc    $a2, $a2
    adc    $a3, $a3
     mov    $a1, $t1
    adc    \$0, $t4

    sub    8*0($a_ptr), $a0
     mov    $a2, $t2
    sbb    8*1($a_ptr), $a1
    sbb    8*2($a_ptr), $a2
     mov    $a3, $t3
    sbb    8*3($a_ptr), $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    mov    0(%rsp),%r13
.cfi_restore    %r13
    mov    8(%rsp),%r12
.cfi_restore    %r12
    lea    16(%rsp),%rsp
.cfi_adjust_cfa_offset    -16
.Lmul_by_2_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_mul_by_2,.-ecp_nistz256_mul_by_2

################################################################################
# void ecp_nistz256_div_by_2(uint64_t res[4], uint64_t a[4]);
.globl    ecp_nistz256_div_by_2
.type    ecp_nistz256_div_by_2,\@function,2
.align    32
ecp_nistz256_div_by_2:
.cfi_startproc
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
.Ldiv_by_2_body:

    mov    8*0($a_ptr), $a0
    mov    8*1($a_ptr), $a1
    mov    8*2($a_ptr), $a2
     mov    $a0, $t0
    mov    8*3($a_ptr), $a3
    lea    .Lpoly(%rip), $a_ptr

     mov    $a1, $t1
    xor    $t4, $t4
    add    8*0($a_ptr), $a0
     mov    $a2, $t2
    adc    8*1($a_ptr), $a1
    adc    8*2($a_ptr), $a2
     mov    $a3, $t3
    adc    8*3($a_ptr), $a3
    adc    \$0, $t4
    xor    $a_ptr, $a_ptr        # borrow $a_ptr
    test    \$1, $t0

    cmovz    $t0, $a0
    cmovz    $t1, $a1
    cmovz    $t2, $a2
    cmovz    $t3, $a3
    cmovz    $a_ptr, $t4

    mov    $a1, $t0        # a0:a3>>1
    shr    \$1, $a0
    shl    \$63, $t0
    mov    $a2, $t1
    shr    \$1, $a1
    or    $t0, $a0
    shl    \$63, $t1
    mov    $a3, $t2
    shr    \$1, $a2
    or    $t1, $a1
    shl    \$63, $t2
    shr    \$1, $a3
    shl    \$63, $t4
    or    $t2, $a2
    or    $t4, $a3

    mov    $a0, 8*0($r_ptr)
    mov    $a1, 8*1($r_ptr)
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    mov    0(%rsp),%r13
.cfi_restore    %r13
    mov    8(%rsp),%r12
.cfi_restore    %r12
    lea    16(%rsp),%rsp
.cfi_adjust_cfa_offset    -16
.Ldiv_by_2_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_div_by_2,.-ecp_nistz256_div_by_2

################################################################################
# void ecp_nistz256_mul_by_3(uint64_t res[4], uint64_t a[4]);
.globl    ecp_nistz256_mul_by_3
.type    ecp_nistz256_mul_by_3,\@function,2
.align    32
ecp_nistz256_mul_by_3:
.cfi_startproc
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
.Lmul_by_3_body:

    mov    8*0($a_ptr), $a0
    xor    $t4, $t4
    mov    8*1($a_ptr), $a1
    add    $a0, $a0        # a0:a3+a0:a3
    mov    8*2($a_ptr), $a2
    adc    $a1, $a1
    mov    8*3($a_ptr), $a3
     mov    $a0, $t0
    adc    $a2, $a2
    adc    $a3, $a3
     mov    $a1, $t1
    adc    \$0, $t4

    sub    \$-1, $a0
     mov    $a2, $t2
    sbb    .Lpoly+8*1(%rip), $a1
    sbb    \$0, $a2
     mov    $a3, $t3
    sbb    .Lpoly+8*3(%rip), $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    cmovc    $t2, $a2
    cmovc    $t3, $a3

    xor    $t4, $t4
    add    8*0($a_ptr), $a0    # a0:a3+=a_ptr[0:3]
    adc    8*1($a_ptr), $a1
     mov    $a0, $t0
    adc    8*2($a_ptr), $a2
    adc    8*3($a_ptr), $a3
     mov    $a1, $t1
    adc    \$0, $t4

    sub    \$-1, $a0
     mov    $a2, $t2
    sbb    .Lpoly+8*1(%rip), $a1
    sbb    \$0, $a2
     mov    $a3, $t3
    sbb    .Lpoly+8*3(%rip), $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    mov    0(%rsp),%r13
.cfi_restore    %r13
    mov    8(%rsp),%r12
.cfi_restore    %r12
    lea    16(%rsp),%rsp
.cfi_adjust_cfa_offset    -16
.Lmul_by_3_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_mul_by_3,.-ecp_nistz256_mul_by_3

################################################################################
# void ecp_nistz256_add(uint64_t res[4], uint64_t a[4], uint64_t b[4]);
.globl    ecp_nistz256_add
.type    ecp_nistz256_add,\@function,3
.align    32
ecp_nistz256_add:
.cfi_startproc
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
.Ladd_body:

    mov    8*0($a_ptr), $a0
    xor    $t4, $t4
    mov    8*1($a_ptr), $a1
    mov    8*2($a_ptr), $a2
    mov    8*3($a_ptr), $a3
    lea    .Lpoly(%rip), $a_ptr

    add    8*0($b_ptr), $a0
    adc    8*1($b_ptr), $a1
     mov    $a0, $t0
    adc    8*2($b_ptr), $a2
    adc    8*3($b_ptr), $a3
     mov    $a1, $t1
    adc    \$0, $t4

    sub    8*0($a_ptr), $a0
     mov    $a2, $t2
    sbb    8*1($a_ptr), $a1
    sbb    8*2($a_ptr), $a2
     mov    $a3, $t3
    sbb    8*3($a_ptr), $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    mov    0(%rsp),%r13
.cfi_restore    %r13
    mov    8(%rsp),%r12
.cfi_restore    %r12
    lea    16(%rsp),%rsp
.cfi_adjust_cfa_offset    -16
.Ladd_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_add,.-ecp_nistz256_add

################################################################################
# void ecp_nistz256_sub(uint64_t res[4], uint64_t a[4], uint64_t b[4]);
.globl    ecp_nistz256_sub
.type    ecp_nistz256_sub,\@function,3
.align    32
ecp_nistz256_sub:
.cfi_startproc
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
.Lsub_body:

    mov    8*0($a_ptr), $a0
    xor    $t4, $t4
    mov    8*1($a_ptr), $a1
    mov    8*2($a_ptr), $a2
    mov    8*3($a_ptr), $a3
    lea    .Lpoly(%rip), $a_ptr

    sub    8*0($b_ptr), $a0
    sbb    8*1($b_ptr), $a1
     mov    $a0, $t0
    sbb    8*2($b_ptr), $a2
    sbb    8*3($b_ptr), $a3
     mov    $a1, $t1
    sbb    \$0, $t4

    add    8*0($a_ptr), $a0
     mov    $a2, $t2
    adc    8*1($a_ptr), $a1
    adc    8*2($a_ptr), $a2
     mov    $a3, $t3
    adc    8*3($a_ptr), $a3
    test    $t4, $t4

    cmovz    $t0, $a0
    cmovz    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovz    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovz    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    mov    0(%rsp),%r13
.cfi_restore    %r13
    mov    8(%rsp),%r12
.cfi_restore    %r12
    lea    16(%rsp),%rsp
.cfi_adjust_cfa_offset    -16
.Lsub_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_sub,.-ecp_nistz256_sub

################################################################################
# void ecp_nistz256_neg(uint64_t res[4], uint64_t a[4]);
.globl    ecp_nistz256_neg
.type    ecp_nistz256_neg,\@function,2
.align    32
ecp_nistz256_neg:
.cfi_startproc
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
.Lneg_body:

    xor    $a0, $a0
    xor    $a1, $a1
    xor    $a2, $a2
    xor    $a3, $a3
    xor    $t4, $t4

    sub    8*0($a_ptr), $a0
    sbb    8*1($a_ptr), $a1
    sbb    8*2($a_ptr), $a2
     mov    $a0, $t0
    sbb    8*3($a_ptr), $a3
    lea    .Lpoly(%rip), $a_ptr
     mov    $a1, $t1
    sbb    \$0, $t4

    add    8*0($a_ptr), $a0
     mov    $a2, $t2
    adc    8*1($a_ptr), $a1
    adc    8*2($a_ptr), $a2
     mov    $a3, $t3
    adc    8*3($a_ptr), $a3
    test    $t4, $t4

    cmovz    $t0, $a0
    cmovz    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovz    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovz    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    mov    0(%rsp),%r13
.cfi_restore    %r13
    mov    8(%rsp),%r12
.cfi_restore    %r12
    lea    16(%rsp),%rsp
.cfi_adjust_cfa_offset    -16
.Lneg_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_neg,.-ecp_nistz256_neg
___
}
{
my ($r_ptr,$a_ptr,$b_org,$b_ptr)=("%rdi","%rsi","%rdx","%rbx");
my ($acc0,$acc1,$acc2,$acc3,$acc4,$acc5,$acc6,$acc7)=map("%r$_",(8..15));
my ($t0,$t1,$t2,$t3,$t4)=("%rcx","%rbp","%rbx","%rdx","%rax");
my ($poly1,$poly3)=($acc6,$acc7);

$code.=<<___;
################################################################################
# void ecp_nistz256_ord_mul_mont(
#   uint64_t res[4],
#   uint64_t a[4],
#   uint64_t b[4]);

.globl    ecp_nistz256_ord_mul_mont
.type    ecp_nistz256_ord_mul_mont,\@function,3
.align    32
ecp_nistz256_ord_mul_mont:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
    cmp    \$0x80100, %ecx
    je    .Lecp_nistz256_ord_mul_montx
___
$code.=<<___;
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
.Lord_mul_body:

    mov    8*0($b_org), %rax
    mov    $b_org, $b_ptr
    lea    .Lord(%rip), %r14
    mov    .LordK(%rip), %r15

    ################################# * b[0]
    mov    %rax, $t0
    mulq    8*0($a_ptr)
    mov    %rax, $acc0
    mov    $t0, %rax
    mov    %rdx, $acc1

    mulq    8*1($a_ptr)
    add    %rax, $acc1
    mov    $t0, %rax
    adc    \$0, %rdx
    mov    %rdx, $acc2

    mulq    8*2($a_ptr)
    add    %rax, $acc2
    mov    $t0, %rax
    adc    \$0, %rdx

     mov    $acc0, $acc5
     imulq    %r15,$acc0

    mov    %rdx, $acc3
    mulq    8*3($a_ptr)
    add    %rax, $acc3
     mov    $acc0, %rax
    adc    \$0, %rdx
    mov    %rdx, $acc4

    ################################# First reduction step
    mulq    8*0(%r14)
    mov    $acc0, $t1
    add    %rax, $acc5        # guaranteed to be zero
    mov    $acc0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    sub    $acc0, $acc2
    sbb    \$0, $acc0        # can't borrow

    mulq    8*1(%r14)
    add    $t0, $acc1
    adc    \$0, %rdx
    add    %rax, $acc1
    mov    $t1, %rax
    adc    %rdx, $acc2
    mov    $t1, %rdx
    adc    \$0, $acc0        # can't overflow

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc3
     mov    8*1($b_ptr), %rax
    sbb    %rdx, $t1        # can't borrow

    add    $acc0, $acc3
    adc    $t1, $acc4
    adc    \$0, $acc5

    ################################# * b[1]
    mov    %rax, $t0
    mulq    8*0($a_ptr)
    add    %rax, $acc1
    mov    $t0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mulq    8*1($a_ptr)
    add    $t1, $acc2
    adc    \$0, %rdx
    add    %rax, $acc2
    mov    $t0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mulq    8*2($a_ptr)
    add    $t1, $acc3
    adc    \$0, %rdx
    add    %rax, $acc3
    mov    $t0, %rax
    adc    \$0, %rdx

     mov    $acc1, $t0
     imulq    %r15, $acc1

    mov    %rdx, $t1
    mulq    8*3($a_ptr)
    add    $t1, $acc4
    adc    \$0, %rdx
    xor    $acc0, $acc0
    add    %rax, $acc4
     mov    $acc1, %rax
    adc    %rdx, $acc5
    adc    \$0, $acc0

    ################################# Second reduction step
    mulq    8*0(%r14)
    mov    $acc1, $t1
    add    %rax, $t0        # guaranteed to be zero
    mov    $acc1, %rax
    adc    %rdx, $t0

    sub    $acc1, $acc3
    sbb    \$0, $acc1        # can't borrow

    mulq    8*1(%r14)
    add    $t0, $acc2
    adc    \$0, %rdx
    add    %rax, $acc2
    mov    $t1, %rax
    adc    %rdx, $acc3
    mov    $t1, %rdx
    adc    \$0, $acc1        # can't overflow

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc4
     mov    8*2($b_ptr), %rax
    sbb    %rdx, $t1        # can't borrow

    add    $acc1, $acc4
    adc    $t1, $acc5
    adc    \$0, $acc0

    ################################## * b[2]
    mov    %rax, $t0
    mulq    8*0($a_ptr)
    add    %rax, $acc2
    mov    $t0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mulq    8*1($a_ptr)
    add    $t1, $acc3
    adc    \$0, %rdx
    add    %rax, $acc3
    mov    $t0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mulq    8*2($a_ptr)
    add    $t1, $acc4
    adc    \$0, %rdx
    add    %rax, $acc4
    mov    $t0, %rax
    adc    \$0, %rdx

     mov    $acc2, $t0
     imulq    %r15, $acc2

    mov    %rdx, $t1
    mulq    8*3($a_ptr)
    add    $t1, $acc5
    adc    \$0, %rdx
    xor    $acc1, $acc1
    add    %rax, $acc5
     mov    $acc2, %rax
    adc    %rdx, $acc0
    adc    \$0, $acc1

    ################################# Third reduction step
    mulq    8*0(%r14)
    mov    $acc2, $t1
    add    %rax, $t0        # guaranteed to be zero
    mov    $acc2, %rax
    adc    %rdx, $t0

    sub    $acc2, $acc4
    sbb    \$0, $acc2        # can't borrow

    mulq    8*1(%r14)
    add    $t0, $acc3
    adc    \$0, %rdx
    add    %rax, $acc3
    mov    $t1, %rax
    adc    %rdx, $acc4
    mov    $t1, %rdx
    adc    \$0, $acc2        # can't overflow

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc5
     mov    8*3($b_ptr), %rax
    sbb    %rdx, $t1        # can't borrow

    add    $acc2, $acc5
    adc    $t1, $acc0
    adc    \$0, $acc1

    ################################# * b[3]
    mov    %rax, $t0
    mulq    8*0($a_ptr)
    add    %rax, $acc3
    mov    $t0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mulq    8*1($a_ptr)
    add    $t1, $acc4
    adc    \$0, %rdx
    add    %rax, $acc4
    mov    $t0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mulq    8*2($a_ptr)
    add    $t1, $acc5
    adc    \$0, %rdx
    add    %rax, $acc5
    mov    $t0, %rax
    adc    \$0, %rdx

     mov    $acc3, $t0
     imulq    %r15, $acc3

    mov    %rdx, $t1
    mulq    8*3($a_ptr)
    add    $t1, $acc0
    adc    \$0, %rdx
    xor    $acc2, $acc2
    add    %rax, $acc0
     mov    $acc3, %rax
    adc    %rdx, $acc1
    adc    \$0, $acc2

    ################################# Last reduction step
    mulq    8*0(%r14)
    mov    $acc3, $t1
    add    %rax, $t0        # guaranteed to be zero
    mov    $acc3, %rax
    adc    %rdx, $t0

    sub    $acc3, $acc5
    sbb    \$0, $acc3        # can't borrow

    mulq    8*1(%r14)
    add    $t0, $acc4
    adc    \$0, %rdx
    add    %rax, $acc4
    mov    $t1, %rax
    adc    %rdx, $acc5
    mov    $t1, %rdx
    adc    \$0, $acc3        # can't overflow

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc0
    sbb    %rdx, $t1        # can't borrow

    add    $acc3, $acc0
    adc    $t1, $acc1
    adc    \$0, $acc2

    ################################# Subtract ord
     mov    $acc4, $a_ptr
    sub    8*0(%r14), $acc4
     mov    $acc5, $acc3
    sbb    8*1(%r14), $acc5
     mov    $acc0, $t0
    sbb    8*2(%r14), $acc0
     mov    $acc1, $t1
    sbb    8*3(%r14), $acc1
    sbb    \$0, $acc2

    cmovc    $a_ptr, $acc4
    cmovc    $acc3, $acc5
    cmovc    $t0, $acc0
    cmovc    $t1, $acc1

    mov    $acc4, 8*0($r_ptr)
    mov    $acc5, 8*1($r_ptr)
    mov    $acc0, 8*2($r_ptr)
    mov    $acc1, 8*3($r_ptr)

    mov    0(%rsp),%r15
.cfi_restore    %r15
    mov    8(%rsp),%r14
.cfi_restore    %r14
    mov    16(%rsp),%r13
.cfi_restore    %r13
    mov    24(%rsp),%r12
.cfi_restore    %r12
    mov    32(%rsp),%rbx
.cfi_restore    %rbx
    mov    40(%rsp),%rbp
.cfi_restore    %rbp
    lea    48(%rsp),%rsp
.cfi_adjust_cfa_offset    -48
.Lord_mul_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_ord_mul_mont,.-ecp_nistz256_ord_mul_mont

################################################################################
# void ecp_nistz256_ord_sqr_mont(
#   uint64_t res[4],
#   uint64_t a[4],
#   uint64_t rep);

.globl    ecp_nistz256_ord_sqr_mont
.type    ecp_nistz256_ord_sqr_mont,\@function,3
.align    32
ecp_nistz256_ord_sqr_mont:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
    cmp    \$0x80100, %ecx
    je    .Lecp_nistz256_ord_sqr_montx
___
$code.=<<___;
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
.Lord_sqr_body:

    mov    8*0($a_ptr), $acc0
    mov    8*1($a_ptr), %rax
    mov    8*2($a_ptr), $acc6
    mov    8*3($a_ptr), $acc7
    lea    .Lord(%rip), $a_ptr    # pointer to modulus
    mov    $b_org, $b_ptr
    jmp    .Loop_ord_sqr

.align    32
.Loop_ord_sqr:
    ################################# a[1:] * a[0]
    mov    %rax, $t1        # put aside a[1]
    mul    $acc0            # a[1] * a[0]
    mov    %rax, $acc1
    movq    $t1, %xmm1        # offload a[1]
    mov    $acc6, %rax
    mov    %rdx, $acc2

    mul    $acc0            # a[2] * a[0]
    add    %rax, $acc2
    mov    $acc7, %rax
    movq    $acc6, %xmm2        # offload a[2]
    adc    \$0, %rdx
    mov    %rdx, $acc3

    mul    $acc0            # a[3] * a[0]
    add    %rax, $acc3
    mov    $acc7, %rax
    movq    $acc7, %xmm3        # offload a[3]
    adc    \$0, %rdx
    mov    %rdx, $acc4

    ################################# a[3] * a[2]
    mul    $acc6            # a[3] * a[2]
    mov    %rax, $acc5
    mov    $acc6, %rax
    mov    %rdx, $acc6

    ################################# a[2:] * a[1]
    mul    $t1            # a[2] * a[1]
    add    %rax, $acc3
    mov    $acc7, %rax
    adc    \$0, %rdx
    mov    %rdx, $acc7

    mul    $t1            # a[3] * a[1]
    add    %rax, $acc4
    adc    \$0, %rdx

    add    $acc7, $acc4
    adc    %rdx, $acc5
    adc    \$0, $acc6        # can't overflow

    ################################# *2
    xor    $acc7, $acc7
    mov    $acc0, %rax
    add    $acc1, $acc1
    adc    $acc2, $acc2
    adc    $acc3, $acc3
    adc    $acc4, $acc4
    adc    $acc5, $acc5
    adc    $acc6, $acc6
    adc    \$0, $acc7

    ################################# Missing products
    mul    %rax            # a[0] * a[0]
    mov    %rax, $acc0
    movq    %xmm1, %rax
    mov    %rdx, $t1

    mul    %rax            # a[1] * a[1]
    add    $t1, $acc1
    adc    %rax, $acc2
    movq    %xmm2, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mul    %rax            # a[2] * a[2]
    add    $t1, $acc3
    adc    %rax, $acc4
    movq    %xmm3, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

     mov    $acc0, $t0
     imulq    8*4($a_ptr), $acc0    # *= .LordK

    mul    %rax            # a[3] * a[3]
    add    $t1, $acc5
    adc    %rax, $acc6
     mov    8*0($a_ptr), %rax    # modulus[0]
    adc    %rdx, $acc7        # can't overflow

    ################################# First reduction step
    mul    $acc0
    mov    $acc0, $t1
    add    %rax, $t0        # guaranteed to be zero
    mov    8*1($a_ptr), %rax    # modulus[1]
    adc    %rdx, $t0

    sub    $acc0, $acc2
    sbb    \$0, $t1        # can't borrow

    mul    $acc0
    add    $t0, $acc1
    adc    \$0, %rdx
    add    %rax, $acc1
    mov    $acc0, %rax
    adc    %rdx, $acc2
    mov    $acc0, %rdx
    adc    \$0, $t1        # can't overflow

     mov    $acc1, $t0
     imulq    8*4($a_ptr), $acc1    # *= .LordK

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc3
     mov    8*0($a_ptr), %rax
    sbb    %rdx, $acc0        # can't borrow

    add    $t1, $acc3
    adc    \$0, $acc0        # can't overflow

    ################################# Second reduction step
    mul    $acc1
    mov    $acc1, $t1
    add    %rax, $t0        # guaranteed to be zero
    mov    8*1($a_ptr), %rax
    adc    %rdx, $t0

    sub    $acc1, $acc3
    sbb    \$0, $t1        # can't borrow

    mul    $acc1
    add    $t0, $acc2
    adc    \$0, %rdx
    add    %rax, $acc2
    mov    $acc1, %rax
    adc    %rdx, $acc3
    mov    $acc1, %rdx
    adc    \$0, $t1        # can't overflow

     mov    $acc2, $t0
     imulq    8*4($a_ptr), $acc2    # *= .LordK

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc0
     mov    8*0($a_ptr), %rax
    sbb    %rdx, $acc1        # can't borrow

    add    $t1, $acc0
    adc    \$0, $acc1        # can't overflow

    ################################# Third reduction step
    mul    $acc2
    mov    $acc2, $t1
    add    %rax, $t0        # guaranteed to be zero
    mov    8*1($a_ptr), %rax
    adc    %rdx, $t0

    sub    $acc2, $acc0
    sbb    \$0, $t1        # can't borrow

    mul    $acc2
    add    $t0, $acc3
    adc    \$0, %rdx
    add    %rax, $acc3
    mov    $acc2, %rax
    adc    %rdx, $acc0
    mov    $acc2, %rdx
    adc    \$0, $t1        # can't overflow

     mov    $acc3, $t0
     imulq    8*4($a_ptr), $acc3    # *= .LordK

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc1
     mov    8*0($a_ptr), %rax
    sbb    %rdx, $acc2        # can't borrow

    add    $t1, $acc1
    adc    \$0, $acc2        # can't overflow

    ################################# Last reduction step
    mul    $acc3
    mov    $acc3, $t1
    add    %rax, $t0        # guaranteed to be zero
    mov    8*1($a_ptr), %rax
    adc    %rdx, $t0

    sub    $acc3, $acc1
    sbb    \$0, $t1        # can't borrow

    mul    $acc3
    add    $t0, $acc0
    adc    \$0, %rdx
    add    %rax, $acc0
    mov    $acc3, %rax
    adc    %rdx, $acc1
    mov    $acc3, %rdx
    adc    \$0, $t1        # can't overflow

    shl    \$32, %rax
    shr    \$32, %rdx
    sub    %rax, $acc2
    sbb    %rdx, $acc3        # can't borrow

    add    $t1, $acc2
    adc    \$0, $acc3        # can't overflow

    ################################# Add bits [511:256] of the sqr result
    xor    %rdx, %rdx
    add    $acc4, $acc0
    adc    $acc5, $acc1
     mov    $acc0, $acc4
    adc    $acc6, $acc2
    adc    $acc7, $acc3
     mov    $acc1, %rax
    adc    \$0, %rdx

    ################################# Compare to modulus
    sub    8*0($a_ptr), $acc0
     mov    $acc2, $acc6
    sbb    8*1($a_ptr), $acc1
    sbb    8*2($a_ptr), $acc2
     mov    $acc3, $acc7
    sbb    8*3($a_ptr), $acc3
    sbb    \$0, %rdx

    cmovc    $acc4, $acc0
    cmovnc    $acc1, %rax
    cmovnc    $acc2, $acc6
    cmovnc    $acc3, $acc7

    dec    $b_ptr
    jnz    .Loop_ord_sqr

    mov    $acc0, 8*0($r_ptr)
    mov    %rax,  8*1($r_ptr)
    pxor    %xmm1, %xmm1
    mov    $acc6, 8*2($r_ptr)
    pxor    %xmm2, %xmm2
    mov    $acc7, 8*3($r_ptr)
    pxor    %xmm3, %xmm3

    mov    0(%rsp),%r15
.cfi_restore    %r15
    mov    8(%rsp),%r14
.cfi_restore    %r14
    mov    16(%rsp),%r13
.cfi_restore    %r13
    mov    24(%rsp),%r12
.cfi_restore    %r12
    mov    32(%rsp),%rbx
.cfi_restore    %rbx
    mov    40(%rsp),%rbp
.cfi_restore    %rbp
    lea    48(%rsp),%rsp
.cfi_adjust_cfa_offset    -48
.Lord_sqr_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_ord_sqr_mont,.-ecp_nistz256_ord_sqr_mont
___

$code.=<<___    if ($addx);
################################################################################
.type    ecp_nistz256_ord_mul_montx,\@function,3
.align    32
ecp_nistz256_ord_mul_montx:
.cfi_startproc
.Lecp_nistz256_ord_mul_montx:
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
.Lord_mulx_body:

    mov    $b_org, $b_ptr
    mov    8*0($b_org), %rdx
    mov    8*0($a_ptr), $acc1
    mov    8*1($a_ptr), $acc2
    mov    8*2($a_ptr), $acc3
    mov    8*3($a_ptr), $acc4
    lea    -128($a_ptr), $a_ptr    # control u-op density
    lea    .Lord-128(%rip), %r14
    mov    .LordK(%rip), %r15

    ################################# Multiply by b[0]
    mulx    $acc1, $acc0, $acc1
    mulx    $acc2, $t0, $acc2
    mulx    $acc3, $t1, $acc3
    add    $t0, $acc1
    mulx    $acc4, $t0, $acc4
     mov    $acc0, %rdx
     mulx    %r15, %rdx, %rax
    adc    $t1, $acc2
    adc    $t0, $acc3
    adc    \$0, $acc4

    ################################# reduction
    xor    $acc5, $acc5        # $acc5=0, cf=0, of=0
    mulx    8*0+128(%r14), $t0, $t1
    adcx    $t0, $acc0        # guaranteed to be zero
    adox    $t1, $acc1

    mulx    8*1+128(%r14), $t0, $t1
    adcx    $t0, $acc1
    adox    $t1, $acc2

    mulx    8*2+128(%r14), $t0, $t1
    adcx    $t0, $acc2
    adox    $t1, $acc3

    mulx    8*3+128(%r14), $t0, $t1
     mov    8*1($b_ptr), %rdx
    adcx    $t0, $acc3
    adox    $t1, $acc4
    adcx    $acc0, $acc4
    adox    $acc0, $acc5
    adc    \$0, $acc5        # cf=0, of=0

    ################################# Multiply by b[1]
    mulx    8*0+128($a_ptr), $t0, $t1
    adcx    $t0, $acc1
    adox    $t1, $acc2

    mulx    8*1+128($a_ptr), $t0, $t1
    adcx    $t0, $acc2
    adox    $t1, $acc3

    mulx    8*2+128($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*3+128($a_ptr), $t0, $t1
     mov    $acc1, %rdx
     mulx    %r15, %rdx, %rax
    adcx    $t0, $acc4
    adox    $t1, $acc5

    adcx    $acc0, $acc5
    adox    $acc0, $acc0
    adc    \$0, $acc0        # cf=0, of=0

    ################################# reduction
    mulx    8*0+128(%r14), $t0, $t1
    adcx    $t0, $acc1        # guaranteed to be zero
    adox    $t1, $acc2

    mulx    8*1+128(%r14), $t0, $t1
    adcx    $t0, $acc2
    adox    $t1, $acc3

    mulx    8*2+128(%r14), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*3+128(%r14), $t0, $t1
     mov    8*2($b_ptr), %rdx
    adcx    $t0, $acc4
    adox    $t1, $acc5
    adcx    $acc1, $acc5
    adox    $acc1, $acc0
    adc    \$0, $acc0        # cf=0, of=0

    ################################# Multiply by b[2]
    mulx    8*0+128($a_ptr), $t0, $t1
    adcx    $t0, $acc2
    adox    $t1, $acc3

    mulx    8*1+128($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*2+128($a_ptr), $t0, $t1
    adcx    $t0, $acc4
    adox    $t1, $acc5

    mulx    8*3+128($a_ptr), $t0, $t1
     mov    $acc2, %rdx
     mulx    %r15, %rdx, %rax
    adcx    $t0, $acc5
    adox    $t1, $acc0

    adcx    $acc1, $acc0
    adox    $acc1, $acc1
    adc    \$0, $acc1        # cf=0, of=0

    ################################# reduction
    mulx    8*0+128(%r14), $t0, $t1
    adcx    $t0, $acc2        # guaranteed to be zero
    adox    $t1, $acc3

    mulx    8*1+128(%r14), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*2+128(%r14), $t0, $t1
    adcx    $t0, $acc4
    adox    $t1, $acc5

    mulx    8*3+128(%r14), $t0, $t1
     mov    8*3($b_ptr), %rdx
    adcx    $t0, $acc5
    adox    $t1, $acc0
    adcx    $acc2, $acc0
    adox    $acc2, $acc1
    adc    \$0, $acc1        # cf=0, of=0

    ################################# Multiply by b[3]
    mulx    8*0+128($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*1+128($a_ptr), $t0, $t1
    adcx    $t0, $acc4
    adox    $t1, $acc5

    mulx    8*2+128($a_ptr), $t0, $t1
    adcx    $t0, $acc5
    adox    $t1, $acc0

    mulx    8*3+128($a_ptr), $t0, $t1
     mov    $acc3, %rdx
     mulx    %r15, %rdx, %rax
    adcx    $t0, $acc0
    adox    $t1, $acc1

    adcx    $acc2, $acc1
    adox    $acc2, $acc2
    adc    \$0, $acc2        # cf=0, of=0

    ################################# reduction
    mulx    8*0+128(%r14), $t0, $t1
    adcx    $t0, $acc3        # guaranteed to be zero
    adox    $t1, $acc4

    mulx    8*1+128(%r14), $t0, $t1
    adcx    $t0, $acc4
    adox    $t1, $acc5

    mulx    8*2+128(%r14), $t0, $t1
    adcx    $t0, $acc5
    adox    $t1, $acc0

    mulx    8*3+128(%r14), $t0, $t1
    lea    128(%r14),%r14
     mov    $acc4, $t2
    adcx    $t0, $acc0
    adox    $t1, $acc1
     mov    $acc5, $t3
    adcx    $acc3, $acc1
    adox    $acc3, $acc2
    adc    \$0, $acc2

    #################################
    # Branch-less conditional subtraction of P
     mov    $acc0, $t0
    sub    8*0(%r14), $acc4
    sbb    8*1(%r14), $acc5
    sbb    8*2(%r14), $acc0
     mov    $acc1, $t1
    sbb    8*3(%r14), $acc1
    sbb    \$0, $acc2

    cmovc    $t2, $acc4
    cmovc    $t3, $acc5
    cmovc    $t0, $acc0
    cmovc    $t1, $acc1

    mov    $acc4, 8*0($r_ptr)
    mov    $acc5, 8*1($r_ptr)
    mov    $acc0, 8*2($r_ptr)
    mov    $acc1, 8*3($r_ptr)

    mov    0(%rsp),%r15
.cfi_restore    %r15
    mov    8(%rsp),%r14
.cfi_restore    %r14
    mov    16(%rsp),%r13
.cfi_restore    %r13
    mov    24(%rsp),%r12
.cfi_restore    %r12
    mov    32(%rsp),%rbx
.cfi_restore    %rbx
    mov    40(%rsp),%rbp
.cfi_restore    %rbp
    lea    48(%rsp),%rsp
.cfi_adjust_cfa_offset    -48
.Lord_mulx_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_ord_mul_montx,.-ecp_nistz256_ord_mul_montx

.type    ecp_nistz256_ord_sqr_montx,\@function,3
.align    32
ecp_nistz256_ord_sqr_montx:
.cfi_startproc
.Lecp_nistz256_ord_sqr_montx:
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
.Lord_sqrx_body:

    mov    $b_org, $b_ptr
    mov    8*0($a_ptr), %rdx
    mov    8*1($a_ptr), $acc6
    mov    8*2($a_ptr), $acc7
    mov    8*3($a_ptr), $acc0
    lea    .Lord(%rip), $a_ptr
    jmp    .Loop_ord_sqrx

.align    32
.Loop_ord_sqrx:
    mulx    $acc6, $acc1, $acc2    # a[0]*a[1]
    mulx    $acc7, $t0, $acc3    # a[0]*a[2]
     mov    %rdx, %rax        # offload a[0]
     movq    $acc6, %xmm1        # offload a[1]
    mulx    $acc0, $t1, $acc4    # a[0]*a[3]
     mov    $acc6, %rdx
    add    $t0, $acc2
     movq    $acc7, %xmm2        # offload a[2]
    adc    $t1, $acc3
    adc    \$0, $acc4
    xor    $acc5, $acc5        # $acc5=0,cf=0,of=0
    #################################
    mulx    $acc7, $t0, $t1        # a[1]*a[2]
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    $acc0, $t0, $t1        # a[1]*a[3]
     mov    $acc7, %rdx
    adcx    $t0, $acc4
    adox    $t1, $acc5
    adc    \$0, $acc5
    #################################
    mulx    $acc0, $t0, $acc6    # a[2]*a[3]
    mov    %rax, %rdx
     movq    $acc0, %xmm3        # offload a[3]
    xor    $acc7, $acc7        # $acc7=0,cf=0,of=0
     adcx    $acc1, $acc1        # acc1:6<<1
    adox    $t0, $acc5
     adcx    $acc2, $acc2
    adox    $acc7, $acc6        # of=0

    ################################# a[i]*a[i]
    mulx    %rdx, $acc0, $t1
    movq    %xmm1, %rdx
     adcx    $acc3, $acc3
    adox    $t1, $acc1
     adcx    $acc4, $acc4
    mulx    %rdx, $t0, $t4
    movq    %xmm2, %rdx
     adcx    $acc5, $acc5
    adox    $t0, $acc2
     adcx    $acc6, $acc6
    mulx    %rdx, $t0, $t1
    .byte    0x67
    movq    %xmm3, %rdx
    adox    $t4, $acc3
     adcx    $acc7, $acc7
    adox    $t0, $acc4
    adox    $t1, $acc5
    mulx    %rdx, $t0, $t4
    adox    $t0, $acc6
    adox    $t4, $acc7

    ################################# reduction
    mov    $acc0, %rdx
    mulx    8*4($a_ptr), %rdx, $t0

    xor    %rax, %rax        # cf=0, of=0
    mulx    8*0($a_ptr), $t0, $t1
    adcx    $t0, $acc0        # guaranteed to be zero
    adox    $t1, $acc1
    mulx    8*1($a_ptr), $t0, $t1
    adcx    $t0, $acc1
    adox    $t1, $acc2
    mulx    8*2($a_ptr), $t0, $t1
    adcx    $t0, $acc2
    adox    $t1, $acc3
    mulx    8*3($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc0        # of=0
    adcx    %rax, $acc0        # cf=0

    #################################
    mov    $acc1, %rdx
    mulx    8*4($a_ptr), %rdx, $t0

    mulx    8*0($a_ptr), $t0, $t1
    adox    $t0, $acc1        # guaranteed to be zero
    adcx    $t1, $acc2
    mulx    8*1($a_ptr), $t0, $t1
    adox    $t0, $acc2
    adcx    $t1, $acc3
    mulx    8*2($a_ptr), $t0, $t1
    adox    $t0, $acc3
    adcx    $t1, $acc0
    mulx    8*3($a_ptr), $t0, $t1
    adox    $t0, $acc0
    adcx    $t1, $acc1        # cf=0
    adox    %rax, $acc1        # of=0

    #################################
    mov    $acc2, %rdx
    mulx    8*4($a_ptr), %rdx, $t0

    mulx    8*0($a_ptr), $t0, $t1
    adcx    $t0, $acc2        # guaranteed to be zero
    adox    $t1, $acc3
    mulx    8*1($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc0
    mulx    8*2($a_ptr), $t0, $t1
    adcx    $t0, $acc0
    adox    $t1, $acc1
    mulx    8*3($a_ptr), $t0, $t1
    adcx    $t0, $acc1
    adox    $t1, $acc2        # of=0
    adcx    %rax, $acc2        # cf=0

    #################################
    mov    $acc3, %rdx
    mulx    8*4($a_ptr), %rdx, $t0

    mulx    8*0($a_ptr), $t0, $t1
    adox    $t0, $acc3        # guaranteed to be zero
    adcx    $t1, $acc0
    mulx    8*1($a_ptr), $t0, $t1
    adox    $t0, $acc0
    adcx    $t1, $acc1
    mulx    8*2($a_ptr), $t0, $t1
    adox    $t0, $acc1
    adcx    $t1, $acc2
    mulx    8*3($a_ptr), $t0, $t1
    adox    $t0, $acc2
    adcx    $t1, $acc3
    adox    %rax, $acc3

    ################################# accumulate upper half
    add    $acc0, $acc4        # add    $acc4, $acc0
    adc    $acc5, $acc1
     mov    $acc4, %rdx
    adc    $acc6, $acc2
    adc    $acc7, $acc3
     mov    $acc1, $acc6
    adc    \$0, %rax

    ################################# compare to modulus
    sub    8*0($a_ptr), $acc4
     mov    $acc2, $acc7
    sbb    8*1($a_ptr), $acc1
    sbb    8*2($a_ptr), $acc2
     mov    $acc3, $acc0
    sbb    8*3($a_ptr), $acc3
    sbb    \$0, %rax

    cmovnc    $acc4, %rdx
    cmovnc    $acc1, $acc6
    cmovnc    $acc2, $acc7
    cmovnc    $acc3, $acc0

    dec    $b_ptr
    jnz    .Loop_ord_sqrx

    mov    %rdx, 8*0($r_ptr)
    mov    $acc6, 8*1($r_ptr)
    pxor    %xmm1, %xmm1
    mov    $acc7, 8*2($r_ptr)
    pxor    %xmm2, %xmm2
    mov    $acc0, 8*3($r_ptr)
    pxor    %xmm3, %xmm3

    mov    0(%rsp),%r15
.cfi_restore    %r15
    mov    8(%rsp),%r14
.cfi_restore    %r14
    mov    16(%rsp),%r13
.cfi_restore    %r13
    mov    24(%rsp),%r12
.cfi_restore    %r12
    mov    32(%rsp),%rbx
.cfi_restore    %rbx
    mov    40(%rsp),%rbp
.cfi_restore    %rbp
    lea    48(%rsp),%rsp
.cfi_adjust_cfa_offset    -48
.Lord_sqrx_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_ord_sqr_montx,.-ecp_nistz256_ord_sqr_montx
___

$code.=<<___;
################################################################################
# void ecp_nistz256_to_mont(
#   uint64_t res[4],
#   uint64_t in[4]);
.globl    ecp_nistz256_to_mont
.type    ecp_nistz256_to_mont,\@function,2
.align    32
ecp_nistz256_to_mont:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
___
$code.=<<___;
    lea    .LRR(%rip), $b_org
    jmp    .Lmul_mont
.cfi_endproc
.size    ecp_nistz256_to_mont,.-ecp_nistz256_to_mont

################################################################################
# void ecp_nistz256_mul_mont(
#   uint64_t res[4],
#   uint64_t a[4],
#   uint64_t b[4]);

.globl    ecp_nistz256_mul_mont
.type    ecp_nistz256_mul_mont,\@function,3
.align    32
ecp_nistz256_mul_mont:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
___
$code.=<<___;
.Lmul_mont:
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
.Lmul_body:
___
$code.=<<___    if ($addx);
    cmp    \$0x80100, %ecx
    je    .Lmul_montx
___
$code.=<<___;
    mov    $b_org, $b_ptr
    mov    8*0($b_org), %rax
    mov    8*0($a_ptr), $acc1
    mov    8*1($a_ptr), $acc2
    mov    8*2($a_ptr), $acc3
    mov    8*3($a_ptr), $acc4

    call    __ecp_nistz256_mul_montq
___
$code.=<<___    if ($addx);
    jmp    .Lmul_mont_done

.align    32
.Lmul_montx:
    mov    $b_org, $b_ptr
    mov    8*0($b_org), %rdx
    mov    8*0($a_ptr), $acc1
    mov    8*1($a_ptr), $acc2
    mov    8*2($a_ptr), $acc3
    mov    8*3($a_ptr), $acc4
    lea    -128($a_ptr), $a_ptr    # control u-op density

    call    __ecp_nistz256_mul_montx
___
$code.=<<___;
.Lmul_mont_done:
    mov    0(%rsp),%r15
.cfi_restore    %r15
    mov    8(%rsp),%r14
.cfi_restore    %r14
    mov    16(%rsp),%r13
.cfi_restore    %r13
    mov    24(%rsp),%r12
.cfi_restore    %r12
    mov    32(%rsp),%rbx
.cfi_restore    %rbx
    mov    40(%rsp),%rbp
.cfi_restore    %rbp
    lea    48(%rsp),%rsp
.cfi_adjust_cfa_offset    -48
.Lmul_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_mul_mont,.-ecp_nistz256_mul_mont

.type    __ecp_nistz256_mul_montq,\@abi-omnipotent
.align    32
__ecp_nistz256_mul_montq:
.cfi_startproc
    ########################################################################
    # Multiply a by b[0]
    mov    %rax, $t1
    mulq    $acc1
    mov    .Lpoly+8*1(%rip),$poly1
    mov    %rax, $acc0
    mov    $t1, %rax
    mov    %rdx, $acc1

    mulq    $acc2
    mov    .Lpoly+8*3(%rip),$poly3
    add    %rax, $acc1
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $acc2

    mulq    $acc3
    add    %rax, $acc2
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $acc3

    mulq    $acc4
    add    %rax, $acc3
     mov    $acc0, %rax
    adc    \$0, %rdx
    xor    $acc5, $acc5
    mov    %rdx, $acc4

    ########################################################################
    # First reduction step
    # Basically now we want to multiply acc[0] by p256,
    # and add the result to the acc.
    # Due to the special form of p256 we do some optimizations
    #
    # acc[0] x p256[0..1] = acc[0] x 2^96 - acc[0]
    # then we add acc[0] and get acc[0] x 2^96

    mov    $acc0, $t1
    shl    \$32, $acc0
    mulq    $poly3
    shr    \$32, $t1
    add    $acc0, $acc1        # +=acc[0]<<96
    adc    $t1, $acc2
    adc    %rax, $acc3
     mov    8*1($b_ptr), %rax
    adc    %rdx, $acc4
    adc    \$0, $acc5
    xor    $acc0, $acc0

    ########################################################################
    # Multiply by b[1]
    mov    %rax, $t1
    mulq    8*0($a_ptr)
    add    %rax, $acc1
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*1($a_ptr)
    add    $t0, $acc2
    adc    \$0, %rdx
    add    %rax, $acc2
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*2($a_ptr)
    add    $t0, $acc3
    adc    \$0, %rdx
    add    %rax, $acc3
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*3($a_ptr)
    add    $t0, $acc4
    adc    \$0, %rdx
    add    %rax, $acc4
     mov    $acc1, %rax
    adc    %rdx, $acc5
    adc    \$0, $acc0

    ########################################################################
    # Second reduction step
    mov    $acc1, $t1
    shl    \$32, $acc1
    mulq    $poly3
    shr    \$32, $t1
    add    $acc1, $acc2
    adc    $t1, $acc3
    adc    %rax, $acc4
     mov    8*2($b_ptr), %rax
    adc    %rdx, $acc5
    adc    \$0, $acc0
    xor    $acc1, $acc1

    ########################################################################
    # Multiply by b[2]
    mov    %rax, $t1
    mulq    8*0($a_ptr)
    add    %rax, $acc2
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*1($a_ptr)
    add    $t0, $acc3
    adc    \$0, %rdx
    add    %rax, $acc3
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*2($a_ptr)
    add    $t0, $acc4
    adc    \$0, %rdx
    add    %rax, $acc4
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*3($a_ptr)
    add    $t0, $acc5
    adc    \$0, %rdx
    add    %rax, $acc5
     mov    $acc2, %rax
    adc    %rdx, $acc0
    adc    \$0, $acc1

    ########################################################################
    # Third reduction step
    mov    $acc2, $t1
    shl    \$32, $acc2
    mulq    $poly3
    shr    \$32, $t1
    add    $acc2, $acc3
    adc    $t1, $acc4
    adc    %rax, $acc5
     mov    8*3($b_ptr), %rax
    adc    %rdx, $acc0
    adc    \$0, $acc1
    xor    $acc2, $acc2

    ########################################################################
    # Multiply by b[3]
    mov    %rax, $t1
    mulq    8*0($a_ptr)
    add    %rax, $acc3
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*1($a_ptr)
    add    $t0, $acc4
    adc    \$0, %rdx
    add    %rax, $acc4
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*2($a_ptr)
    add    $t0, $acc5
    adc    \$0, %rdx
    add    %rax, $acc5
    mov    $t1, %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    8*3($a_ptr)
    add    $t0, $acc0
    adc    \$0, %rdx
    add    %rax, $acc0
     mov    $acc3, %rax
    adc    %rdx, $acc1
    adc    \$0, $acc2

    ########################################################################
    # Final reduction step
    mov    $acc3, $t1
    shl    \$32, $acc3
    mulq    $poly3
    shr    \$32, $t1
    add    $acc3, $acc4
    adc    $t1, $acc5
     mov    $acc4, $t0
    adc    %rax, $acc0
    adc    %rdx, $acc1
     mov    $acc5, $t1
    adc    \$0, $acc2

    ########################################################################
    # Branch-less conditional subtraction of P
    sub    \$-1, $acc4        # .Lpoly[0]
     mov    $acc0, $t2
    sbb    $poly1, $acc5        # .Lpoly[1]
    sbb    \$0, $acc0        # .Lpoly[2]
     mov    $acc1, $t3
    sbb    $poly3, $acc1        # .Lpoly[3]
    sbb    \$0, $acc2

    cmovc    $t0, $acc4
    cmovc    $t1, $acc5
    mov    $acc4, 8*0($r_ptr)
    cmovc    $t2, $acc0
    mov    $acc5, 8*1($r_ptr)
    cmovc    $t3, $acc1
    mov    $acc0, 8*2($r_ptr)
    mov    $acc1, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_mul_montq,.-__ecp_nistz256_mul_montq

################################################################################
# void ecp_nistz256_sqr_mont(
#   uint64_t res[4],
#   uint64_t a[4]);

# we optimize the square according to S.Gueron and V.Krasnov,
# "Speeding up Big-Number Squaring"
.globl    ecp_nistz256_sqr_mont
.type    ecp_nistz256_sqr_mont,\@function,2
.align    32
ecp_nistz256_sqr_mont:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
___
$code.=<<___;
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
.Lsqr_body:
___
$code.=<<___    if ($addx);
    cmp    \$0x80100, %ecx
    je    .Lsqr_montx
___
$code.=<<___;
    mov    8*0($a_ptr), %rax
    mov    8*1($a_ptr), $acc6
    mov    8*2($a_ptr), $acc7
    mov    8*3($a_ptr), $acc0

    call    __ecp_nistz256_sqr_montq
___
$code.=<<___    if ($addx);
    jmp    .Lsqr_mont_done

.align    32
.Lsqr_montx:
    mov    8*0($a_ptr), %rdx
    mov    8*1($a_ptr), $acc6
    mov    8*2($a_ptr), $acc7
    mov    8*3($a_ptr), $acc0
    lea    -128($a_ptr), $a_ptr    # control u-op density

    call    __ecp_nistz256_sqr_montx
___
$code.=<<___;
.Lsqr_mont_done:
    mov    0(%rsp),%r15
.cfi_restore    %r15
    mov    8(%rsp),%r14
.cfi_restore    %r14
    mov    16(%rsp),%r13
.cfi_restore    %r13
    mov    24(%rsp),%r12
.cfi_restore    %r12
    mov    32(%rsp),%rbx
.cfi_restore    %rbx
    mov    40(%rsp),%rbp
.cfi_restore    %rbp
    lea    48(%rsp),%rsp
.cfi_adjust_cfa_offset    -48
.Lsqr_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_sqr_mont,.-ecp_nistz256_sqr_mont

.type    __ecp_nistz256_sqr_montq,\@abi-omnipotent
.align    32
__ecp_nistz256_sqr_montq:
.cfi_startproc
    mov    %rax, $acc5
    mulq    $acc6            # a[1]*a[0]
    mov    %rax, $acc1
    mov    $acc7, %rax
    mov    %rdx, $acc2

    mulq    $acc5            # a[0]*a[2]
    add    %rax, $acc2
    mov    $acc0, %rax
    adc    \$0, %rdx
    mov    %rdx, $acc3

    mulq    $acc5            # a[0]*a[3]
    add    %rax, $acc3
     mov    $acc7, %rax
    adc    \$0, %rdx
    mov    %rdx, $acc4

    #################################
    mulq    $acc6            # a[1]*a[2]
    add    %rax, $acc3
    mov    $acc0, %rax
    adc    \$0, %rdx
    mov    %rdx, $t1

    mulq    $acc6            # a[1]*a[3]
    add    %rax, $acc4
     mov    $acc0, %rax
    adc    \$0, %rdx
    add    $t1, $acc4
    mov    %rdx, $acc5
    adc    \$0, $acc5

    #################################
    mulq    $acc7            # a[2]*a[3]
    xor    $acc7, $acc7
    add    %rax, $acc5
     mov    8*0($a_ptr), %rax
    mov    %rdx, $acc6
    adc    \$0, $acc6

    add    $acc1, $acc1        # acc1:6<<1
    adc    $acc2, $acc2
    adc    $acc3, $acc3
    adc    $acc4, $acc4
    adc    $acc5, $acc5
    adc    $acc6, $acc6
    adc    \$0, $acc7

    mulq    %rax
    mov    %rax, $acc0
    mov    8*1($a_ptr), %rax
    mov    %rdx, $t0

    mulq    %rax
    add    $t0, $acc1
    adc    %rax, $acc2
    mov    8*2($a_ptr), %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    %rax
    add    $t0, $acc3
    adc    %rax, $acc4
    mov    8*3($a_ptr), %rax
    adc    \$0, %rdx
    mov    %rdx, $t0

    mulq    %rax
    add    $t0, $acc5
    adc    %rax, $acc6
     mov    $acc0, %rax
    adc    %rdx, $acc7

    mov    .Lpoly+8*1(%rip), $a_ptr
    mov    .Lpoly+8*3(%rip), $t1

    ##########################################
    # Now the reduction
    # First iteration
    mov    $acc0, $t0
    shl    \$32, $acc0
    mulq    $t1
    shr    \$32, $t0
    add    $acc0, $acc1        # +=acc[0]<<96
    adc    $t0, $acc2
    adc    %rax, $acc3
     mov    $acc1, %rax
    adc    \$0, %rdx

    ##########################################
    # Second iteration
    mov    $acc1, $t0
    shl    \$32, $acc1
    mov    %rdx, $acc0
    mulq    $t1
    shr    \$32, $t0
    add    $acc1, $acc2
    adc    $t0, $acc3
    adc    %rax, $acc0
     mov    $acc2, %rax
    adc    \$0, %rdx

    ##########################################
    # Third iteration
    mov    $acc2, $t0
    shl    \$32, $acc2
    mov    %rdx, $acc1
    mulq    $t1
    shr    \$32, $t0
    add    $acc2, $acc3
    adc    $t0, $acc0
    adc    %rax, $acc1
     mov    $acc3, %rax
    adc    \$0, %rdx

    ###########################################
    # Last iteration
    mov    $acc3, $t0
    shl    \$32, $acc3
    mov    %rdx, $acc2
    mulq    $t1
    shr    \$32, $t0
    add    $acc3, $acc0
    adc    $t0, $acc1
    adc    %rax, $acc2
    adc    \$0, %rdx
    xor    $acc3, $acc3

    ############################################
    # Add the rest of the acc
    add    $acc0, $acc4
    adc    $acc1, $acc5
     mov    $acc4, $acc0
    adc    $acc2, $acc6
    adc    %rdx, $acc7
     mov    $acc5, $acc1
    adc    \$0, $acc3

    sub    \$-1, $acc4        # .Lpoly[0]
     mov    $acc6, $acc2
    sbb    $a_ptr, $acc5        # .Lpoly[1]
    sbb    \$0, $acc6        # .Lpoly[2]
     mov    $acc7, $t0
    sbb    $t1, $acc7        # .Lpoly[3]
    sbb    \$0, $acc3

    cmovc    $acc0, $acc4
    cmovc    $acc1, $acc5
    mov    $acc4, 8*0($r_ptr)
    cmovc    $acc2, $acc6
    mov    $acc5, 8*1($r_ptr)
    cmovc    $t0, $acc7
    mov    $acc6, 8*2($r_ptr)
    mov    $acc7, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_sqr_montq,.-__ecp_nistz256_sqr_montq
___

if ($addx) {
$code.=<<___;
.type    __ecp_nistz256_mul_montx,\@abi-omnipotent
.align    32
__ecp_nistz256_mul_montx:
.cfi_startproc
    ########################################################################
    # Multiply by b[0]
    mulx    $acc1, $acc0, $acc1
    mulx    $acc2, $t0, $acc2
    mov    \$32, $poly1
    xor    $acc5, $acc5        # cf=0
    mulx    $acc3, $t1, $acc3
    mov    .Lpoly+8*3(%rip), $poly3
    adc    $t0, $acc1
    mulx    $acc4, $t0, $acc4
     mov    $acc0, %rdx
    adc    $t1, $acc2
     shlx    $poly1,$acc0,$t1
    adc    $t0, $acc3
     shrx    $poly1,$acc0,$t0
    adc    \$0, $acc4

    ########################################################################
    # First reduction step
    add    $t1, $acc1
    adc    $t0, $acc2

    mulx    $poly3, $t0, $t1
     mov    8*1($b_ptr), %rdx
    adc    $t0, $acc3
    adc    $t1, $acc4
    adc    \$0, $acc5
    xor    $acc0, $acc0        # $acc0=0,cf=0,of=0

    ########################################################################
    # Multiply by b[1]
    mulx    8*0+128($a_ptr), $t0, $t1
    adcx    $t0, $acc1
    adox    $t1, $acc2

    mulx    8*1+128($a_ptr), $t0, $t1
    adcx    $t0, $acc2
    adox    $t1, $acc3

    mulx    8*2+128($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*3+128($a_ptr), $t0, $t1
     mov    $acc1, %rdx
    adcx    $t0, $acc4
     shlx    $poly1, $acc1, $t0
    adox    $t1, $acc5
     shrx    $poly1, $acc1, $t1

    adcx    $acc0, $acc5
    adox    $acc0, $acc0
    adc    \$0, $acc0

    ########################################################################
    # Second reduction step
    add    $t0, $acc2
    adc    $t1, $acc3

    mulx    $poly3, $t0, $t1
     mov    8*2($b_ptr), %rdx
    adc    $t0, $acc4
    adc    $t1, $acc5
    adc    \$0, $acc0
    xor    $acc1 ,$acc1        # $acc1=0,cf=0,of=0

    ########################################################################
    # Multiply by b[2]
    mulx    8*0+128($a_ptr), $t0, $t1
    adcx    $t0, $acc2
    adox    $t1, $acc3

    mulx    8*1+128($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*2+128($a_ptr), $t0, $t1
    adcx    $t0, $acc4
    adox    $t1, $acc5

    mulx    8*3+128($a_ptr), $t0, $t1
     mov    $acc2, %rdx
    adcx    $t0, $acc5
     shlx    $poly1, $acc2, $t0
    adox    $t1, $acc0
     shrx    $poly1, $acc2, $t1

    adcx    $acc1, $acc0
    adox    $acc1, $acc1
    adc    \$0, $acc1

    ########################################################################
    # Third reduction step
    add    $t0, $acc3
    adc    $t1, $acc4

    mulx    $poly3, $t0, $t1
     mov    8*3($b_ptr), %rdx
    adc    $t0, $acc5
    adc    $t1, $acc0
    adc    \$0, $acc1
    xor    $acc2, $acc2        # $acc2=0,cf=0,of=0

    ########################################################################
    # Multiply by b[3]
    mulx    8*0+128($a_ptr), $t0, $t1
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    8*1+128($a_ptr), $t0, $t1
    adcx    $t0, $acc4
    adox    $t1, $acc5

    mulx    8*2+128($a_ptr), $t0, $t1
    adcx    $t0, $acc5
    adox    $t1, $acc0

    mulx    8*3+128($a_ptr), $t0, $t1
     mov    $acc3, %rdx
    adcx    $t0, $acc0
     shlx    $poly1, $acc3, $t0
    adox    $t1, $acc1
     shrx    $poly1, $acc3, $t1

    adcx    $acc2, $acc1
    adox    $acc2, $acc2
    adc    \$0, $acc2

    ########################################################################
    # Fourth reduction step
    add    $t0, $acc4
    adc    $t1, $acc5

    mulx    $poly3, $t0, $t1
     mov    $acc4, $t2
    mov    .Lpoly+8*1(%rip), $poly1
    adc    $t0, $acc0
     mov    $acc5, $t3
    adc    $t1, $acc1
    adc    \$0, $acc2

    ########################################################################
    # Branch-less conditional subtraction of P
    xor    %eax, %eax
     mov    $acc0, $t0
    sbb    \$-1, $acc4        # .Lpoly[0]
    sbb    $poly1, $acc5        # .Lpoly[1]
    sbb    \$0, $acc0        # .Lpoly[2]
     mov    $acc1, $t1
    sbb    $poly3, $acc1        # .Lpoly[3]
    sbb    \$0, $acc2

    cmovc    $t2, $acc4
    cmovc    $t3, $acc5
    mov    $acc4, 8*0($r_ptr)
    cmovc    $t0, $acc0
    mov    $acc5, 8*1($r_ptr)
    cmovc    $t1, $acc1
    mov    $acc0, 8*2($r_ptr)
    mov    $acc1, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_mul_montx,.-__ecp_nistz256_mul_montx

.type    __ecp_nistz256_sqr_montx,\@abi-omnipotent
.align    32
__ecp_nistz256_sqr_montx:
.cfi_startproc
    mulx    $acc6, $acc1, $acc2    # a[0]*a[1]
    mulx    $acc7, $t0, $acc3    # a[0]*a[2]
    xor    %eax, %eax
    adc    $t0, $acc2
    mulx    $acc0, $t1, $acc4    # a[0]*a[3]
     mov    $acc6, %rdx
    adc    $t1, $acc3
    adc    \$0, $acc4
    xor    $acc5, $acc5        # $acc5=0,cf=0,of=0

    #################################
    mulx    $acc7, $t0, $t1        # a[1]*a[2]
    adcx    $t0, $acc3
    adox    $t1, $acc4

    mulx    $acc0, $t0, $t1        # a[1]*a[3]
     mov    $acc7, %rdx
    adcx    $t0, $acc4
    adox    $t1, $acc5
    adc    \$0, $acc5

    #################################
    mulx    $acc0, $t0, $acc6    # a[2]*a[3]
     mov    8*0+128($a_ptr), %rdx
    xor    $acc7, $acc7        # $acc7=0,cf=0,of=0
     adcx    $acc1, $acc1        # acc1:6<<1
    adox    $t0, $acc5
     adcx    $acc2, $acc2
    adox    $acc7, $acc6        # of=0

    mulx    %rdx, $acc0, $t1
    mov    8*1+128($a_ptr), %rdx
     adcx    $acc3, $acc3
    adox    $t1, $acc1
     adcx    $acc4, $acc4
    mulx    %rdx, $t0, $t4
    mov    8*2+128($a_ptr), %rdx
     adcx    $acc5, $acc5
    adox    $t0, $acc2
     adcx    $acc6, $acc6
    .byte    0x67
    mulx    %rdx, $t0, $t1
    mov    8*3+128($a_ptr), %rdx
    adox    $t4, $acc3
     adcx    $acc7, $acc7
    adox    $t0, $acc4
     mov    \$32, $a_ptr
    adox    $t1, $acc5
    .byte    0x67,0x67
    mulx    %rdx, $t0, $t4
     mov    .Lpoly+8*3(%rip), %rdx
    adox    $t0, $acc6
     shlx    $a_ptr, $acc0, $t0
    adox    $t4, $acc7
     shrx    $a_ptr, $acc0, $t4
    mov    %rdx,$t1

    # reduction step 1
    add    $t0, $acc1
    adc    $t4, $acc2

    mulx    $acc0, $t0, $acc0
    adc    $t0, $acc3
     shlx    $a_ptr, $acc1, $t0
    adc    \$0, $acc0
     shrx    $a_ptr, $acc1, $t4

    # reduction step 2
    add    $t0, $acc2
    adc    $t4, $acc3

    mulx    $acc1, $t0, $acc1
    adc    $t0, $acc0
     shlx    $a_ptr, $acc2, $t0
    adc    \$0, $acc1
     shrx    $a_ptr, $acc2, $t4

    # reduction step 3
    add    $t0, $acc3
    adc    $t4, $acc0

    mulx    $acc2, $t0, $acc2
    adc    $t0, $acc1
     shlx    $a_ptr, $acc3, $t0
    adc    \$0, $acc2
     shrx    $a_ptr, $acc3, $t4

    # reduction step 4
    add    $t0, $acc0
    adc    $t4, $acc1

    mulx    $acc3, $t0, $acc3
    adc    $t0, $acc2
    adc    \$0, $acc3

    xor    $t3, $t3
    add    $acc0, $acc4        # accumulate upper half
     mov    .Lpoly+8*1(%rip), $a_ptr
    adc    $acc1, $acc5
     mov    $acc4, $acc0
    adc    $acc2, $acc6
    adc    $acc3, $acc7
     mov    $acc5, $acc1
    adc    \$0, $t3

    sub    \$-1, $acc4        # .Lpoly[0]
     mov    $acc6, $acc2
    sbb    $a_ptr, $acc5        # .Lpoly[1]
    sbb    \$0, $acc6        # .Lpoly[2]
     mov    $acc7, $acc3
    sbb    $t1, $acc7        # .Lpoly[3]
    sbb    \$0, $t3

    cmovc    $acc0, $acc4
    cmovc    $acc1, $acc5
    mov    $acc4, 8*0($r_ptr)
    cmovc    $acc2, $acc6
    mov    $acc5, 8*1($r_ptr)
    cmovc    $acc3, $acc7
    mov    $acc6, 8*2($r_ptr)
    mov    $acc7, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_sqr_montx,.-__ecp_nistz256_sqr_montx
___
}
}
{
my ($r_ptr,$in_ptr)=("%rdi","%rsi");
my ($acc0,$acc1,$acc2,$acc3)=map("%r$_",(8..11));
my ($t0,$t1,$t2)=("%rcx","%r12","%r13");

$code.=<<___;
################################################################################
# void ecp_nistz256_from_mont(
#   uint64_t res[4],
#   uint64_t in[4]);
# This one performs Montgomery multiplication by 1, so we only need the reduction

.globl    ecp_nistz256_from_mont
.type    ecp_nistz256_from_mont,\@function,2
.align    32
ecp_nistz256_from_mont:
.cfi_startproc
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
.Lfrom_body:

    mov    8*0($in_ptr), %rax
    mov    .Lpoly+8*3(%rip), $t2
    mov    8*1($in_ptr), $acc1
    mov    8*2($in_ptr), $acc2
    mov    8*3($in_ptr), $acc3
    mov    %rax, $acc0
    mov    .Lpoly+8*1(%rip), $t1

    #########################################
    # First iteration
    mov    %rax, $t0
    shl    \$32, $acc0
    mulq    $t2
    shr    \$32, $t0
    add    $acc0, $acc1
    adc    $t0, $acc2
    adc    %rax, $acc3
     mov    $acc1, %rax
    adc    \$0, %rdx

    #########################################
    # Second iteration
    mov    $acc1, $t0
    shl    \$32, $acc1
    mov    %rdx, $acc0
    mulq    $t2
    shr    \$32, $t0
    add    $acc1, $acc2
    adc    $t0, $acc3
    adc    %rax, $acc0
     mov    $acc2, %rax
    adc    \$0, %rdx

    ##########################################
    # Third iteration
    mov    $acc2, $t0
    shl    \$32, $acc2
    mov    %rdx, $acc1
    mulq    $t2
    shr    \$32, $t0
    add    $acc2, $acc3
    adc    $t0, $acc0
    adc    %rax, $acc1
     mov    $acc3, %rax
    adc    \$0, %rdx

    ###########################################
    # Last iteration
    mov    $acc3, $t0
    shl    \$32, $acc3
    mov    %rdx, $acc2
    mulq    $t2
    shr    \$32, $t0
    add    $acc3, $acc0
    adc    $t0, $acc1
     mov    $acc0, $t0
    adc    %rax, $acc2
     mov    $acc1, $in_ptr
    adc    \$0, %rdx

    ###########################################
    # Branch-less conditional subtraction
    sub    \$-1, $acc0
     mov    $acc2, %rax
    sbb    $t1, $acc1
    sbb    \$0, $acc2
     mov    %rdx, $acc3
    sbb    $t2, %rdx
    sbb    $t2, $t2

    cmovnz    $t0, $acc0
    cmovnz    $in_ptr, $acc1
    mov    $acc0, 8*0($r_ptr)
    cmovnz    %rax, $acc2
    mov    $acc1, 8*1($r_ptr)
    cmovz    %rdx, $acc3
    mov    $acc2, 8*2($r_ptr)
    mov    $acc3, 8*3($r_ptr)

    mov    0(%rsp),%r13
.cfi_restore    %r13
    mov    8(%rsp),%r12
.cfi_restore    %r12
    lea    16(%rsp),%rsp
.cfi_adjust_cfa_offset    -16
.Lfrom_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_from_mont,.-ecp_nistz256_from_mont
___
}
{
my ($val,$in_t,$index)=$win64?("%rcx","%rdx","%r8d"):("%rdi","%rsi","%edx");
my ($ONE,$INDEX,$Ra,$Rb,$Rc,$Rd,$Re,$Rf)=map("%xmm$_",(0..7));
my ($M0,$T0a,$T0b,$T0c,$T0d,$T0e,$T0f,$TMP0)=map("%xmm$_",(8..15));
my ($M1,$T2a,$T2b,$TMP2,$M2,$T2a,$T2b,$TMP2)=map("%xmm$_",(8..15));

$code.=<<___;
################################################################################
# void ecp_nistz256_scatter_w5(uint64_t *val, uint64_t *in_t, int index);
.globl    ecp_nistz256_scatter_w5
.type    ecp_nistz256_scatter_w5,\@abi-omnipotent
.align    32
ecp_nistz256_scatter_w5:
.cfi_startproc
    lea    -3($index,$index,2), $index
    movdqa    0x00($in_t), %xmm0
    shl    \$5, $index
    movdqa    0x10($in_t), %xmm1
    movdqa    0x20($in_t), %xmm2
    movdqa    0x30($in_t), %xmm3
    movdqa    0x40($in_t), %xmm4
    movdqa    0x50($in_t), %xmm5
    movdqa    %xmm0, 0x00($val,$index)
    movdqa    %xmm1, 0x10($val,$index)
    movdqa    %xmm2, 0x20($val,$index)
    movdqa    %xmm3, 0x30($val,$index)
    movdqa    %xmm4, 0x40($val,$index)
    movdqa    %xmm5, 0x50($val,$index)

    ret
.cfi_endproc
.size    ecp_nistz256_scatter_w5,.-ecp_nistz256_scatter_w5

################################################################################
# void ecp_nistz256_gather_w5(uint64_t *val, uint64_t *in_t, int index);
.globl    ecp_nistz256_gather_w5
.type    ecp_nistz256_gather_w5,\@abi-omnipotent
.align    32
ecp_nistz256_gather_w5:
.cfi_startproc
___
$code.=<<___    if ($avx>1);
    mov    OPENSSL_ia32cap_P+8(%rip), %eax
    test    \$`1<<5`, %eax
    jnz    .Lavx2_gather_w5
___
$code.=<<___    if ($win64);
    lea    -0x88(%rsp), %rax
.LSEH_begin_ecp_nistz256_gather_w5:
    .byte    0x48,0x8d,0x60,0xe0        #lea    -0x20(%rax), %rsp
    .byte    0x0f,0x29,0x70,0xe0        #movaps    %xmm6, -0x20(%rax)
    .byte    0x0f,0x29,0x78,0xf0        #movaps    %xmm7, -0x10(%rax)
    .byte    0x44,0x0f,0x29,0x00        #movaps    %xmm8, 0(%rax)
    .byte    0x44,0x0f,0x29,0x48,0x10    #movaps    %xmm9, 0x10(%rax)
    .byte    0x44,0x0f,0x29,0x50,0x20    #movaps    %xmm10, 0x20(%rax)
    .byte    0x44,0x0f,0x29,0x58,0x30    #movaps    %xmm11, 0x30(%rax)
    .byte    0x44,0x0f,0x29,0x60,0x40    #movaps    %xmm12, 0x40(%rax)
    .byte    0x44,0x0f,0x29,0x68,0x50    #movaps    %xmm13, 0x50(%rax)
    .byte    0x44,0x0f,0x29,0x70,0x60    #movaps    %xmm14, 0x60(%rax)
    .byte    0x44,0x0f,0x29,0x78,0x70    #movaps    %xmm15, 0x70(%rax)
___
$code.=<<___;
    movdqa    .LOne(%rip), $ONE
    movd    $index, $INDEX

    pxor    $Ra, $Ra
    pxor    $Rb, $Rb
    pxor    $Rc, $Rc
    pxor    $Rd, $Rd
    pxor    $Re, $Re
    pxor    $Rf, $Rf

    movdqa    $ONE, $M0
    pshufd    \$0, $INDEX, $INDEX

    mov    \$16, %rax
.Lselect_loop_sse_w5:

    movdqa    $M0, $TMP0
    paddd    $ONE, $M0
    pcmpeqd $INDEX, $TMP0

    movdqa    16*0($in_t), $T0a
    movdqa    16*1($in_t), $T0b
    movdqa    16*2($in_t), $T0c
    movdqa    16*3($in_t), $T0d
    movdqa    16*4($in_t), $T0e
    movdqa    16*5($in_t), $T0f
    lea 16*6($in_t), $in_t

    pand    $TMP0, $T0a
    pand    $TMP0, $T0b
    por    $T0a, $Ra
    pand    $TMP0, $T0c
    por    $T0b, $Rb
    pand    $TMP0, $T0d
    por    $T0c, $Rc
    pand    $TMP0, $T0e
    por    $T0d, $Rd
    pand    $TMP0, $T0f
    por    $T0e, $Re
    por    $T0f, $Rf

    dec    %rax
    jnz    .Lselect_loop_sse_w5

    movdqu    $Ra, 16*0($val)
    movdqu    $Rb, 16*1($val)
    movdqu    $Rc, 16*2($val)
    movdqu    $Rd, 16*3($val)
    movdqu    $Re, 16*4($val)
    movdqu    $Rf, 16*5($val)
___
$code.=<<___    if ($win64);
    movaps    (%rsp), %xmm6
    movaps    0x10(%rsp), %xmm7
    movaps    0x20(%rsp), %xmm8
    movaps    0x30(%rsp), %xmm9
    movaps    0x40(%rsp), %xmm10
    movaps    0x50(%rsp), %xmm11
    movaps    0x60(%rsp), %xmm12
    movaps    0x70(%rsp), %xmm13
    movaps    0x80(%rsp), %xmm14
    movaps    0x90(%rsp), %xmm15
    lea    0xa8(%rsp), %rsp
___
$code.=<<___;
    ret
.cfi_endproc
.LSEH_end_ecp_nistz256_gather_w5:
.size    ecp_nistz256_gather_w5,.-ecp_nistz256_gather_w5

################################################################################
# void ecp_nistz256_scatter_w7(uint64_t *val, uint64_t *in_t, int index);
.globl    ecp_nistz256_scatter_w7
.type    ecp_nistz256_scatter_w7,\@abi-omnipotent
.align    32
ecp_nistz256_scatter_w7:
.cfi_startproc
    movdqu    0x00($in_t), %xmm0
    shl    \$6, $index
    movdqu    0x10($in_t), %xmm1
    movdqu    0x20($in_t), %xmm2
    movdqu    0x30($in_t), %xmm3
    movdqa    %xmm0, 0x00($val,$index)
    movdqa    %xmm1, 0x10($val,$index)
    movdqa    %xmm2, 0x20($val,$index)
    movdqa    %xmm3, 0x30($val,$index)

    ret
.cfi_endproc
.size    ecp_nistz256_scatter_w7,.-ecp_nistz256_scatter_w7

################################################################################
# void ecp_nistz256_gather_w7(uint64_t *val, uint64_t *in_t, int index);
.globl    ecp_nistz256_gather_w7
.type    ecp_nistz256_gather_w7,\@abi-omnipotent
.align    32
ecp_nistz256_gather_w7:
.cfi_startproc
___
$code.=<<___    if ($avx>1);
    mov    OPENSSL_ia32cap_P+8(%rip), %eax
    test    \$`1<<5`, %eax
    jnz    .Lavx2_gather_w7
___
$code.=<<___    if ($win64);
    lea    -0x88(%rsp), %rax
.LSEH_begin_ecp_nistz256_gather_w7:
    .byte    0x48,0x8d,0x60,0xe0        #lea    -0x20(%rax), %rsp
    .byte    0x0f,0x29,0x70,0xe0        #movaps    %xmm6, -0x20(%rax)
    .byte    0x0f,0x29,0x78,0xf0        #movaps    %xmm7, -0x10(%rax)
    .byte    0x44,0x0f,0x29,0x00        #movaps    %xmm8, 0(%rax)
    .byte    0x44,0x0f,0x29,0x48,0x10    #movaps    %xmm9, 0x10(%rax)
    .byte    0x44,0x0f,0x29,0x50,0x20    #movaps    %xmm10, 0x20(%rax)
    .byte    0x44,0x0f,0x29,0x58,0x30    #movaps    %xmm11, 0x30(%rax)
    .byte    0x44,0x0f,0x29,0x60,0x40    #movaps    %xmm12, 0x40(%rax)
    .byte    0x44,0x0f,0x29,0x68,0x50    #movaps    %xmm13, 0x50(%rax)
    .byte    0x44,0x0f,0x29,0x70,0x60    #movaps    %xmm14, 0x60(%rax)
    .byte    0x44,0x0f,0x29,0x78,0x70    #movaps    %xmm15, 0x70(%rax)
___
$code.=<<___;
    movdqa    .LOne(%rip), $M0
    movd    $index, $INDEX

    pxor    $Ra, $Ra
    pxor    $Rb, $Rb
    pxor    $Rc, $Rc
    pxor    $Rd, $Rd

    movdqa    $M0, $ONE
    pshufd    \$0, $INDEX, $INDEX
    mov    \$64, %rax

.Lselect_loop_sse_w7:
    movdqa    $M0, $TMP0
    paddd    $ONE, $M0
    movdqa    16*0($in_t), $T0a
    movdqa    16*1($in_t), $T0b
    pcmpeqd    $INDEX, $TMP0
    movdqa    16*2($in_t), $T0c
    movdqa    16*3($in_t), $T0d
    lea    16*4($in_t), $in_t

    pand    $TMP0, $T0a
    pand    $TMP0, $T0b
    por    $T0a, $Ra
    pand    $TMP0, $T0c
    por    $T0b, $Rb
    pand    $TMP0, $T0d
    por    $T0c, $Rc
    prefetcht0    255($in_t)
    por    $T0d, $Rd

    dec    %rax
    jnz    .Lselect_loop_sse_w7

    movdqu    $Ra, 16*0($val)
    movdqu    $Rb, 16*1($val)
    movdqu    $Rc, 16*2($val)
    movdqu    $Rd, 16*3($val)
___
$code.=<<___    if ($win64);
    movaps    (%rsp), %xmm6
    movaps    0x10(%rsp), %xmm7
    movaps    0x20(%rsp), %xmm8
    movaps    0x30(%rsp), %xmm9
    movaps    0x40(%rsp), %xmm10
    movaps    0x50(%rsp), %xmm11
    movaps    0x60(%rsp), %xmm12
    movaps    0x70(%rsp), %xmm13
    movaps    0x80(%rsp), %xmm14
    movaps    0x90(%rsp), %xmm15
    lea    0xa8(%rsp), %rsp
___
$code.=<<___;
    ret
.cfi_endproc
.LSEH_end_ecp_nistz256_gather_w7:
.size    ecp_nistz256_gather_w7,.-ecp_nistz256_gather_w7
___
}
if ($avx>1) {
my ($val,$in_t,$index)=$win64?("%rcx","%rdx","%r8d"):("%rdi","%rsi","%edx");
my ($TWO,$INDEX,$Ra,$Rb,$Rc)=map("%ymm$_",(0..4));
my ($M0,$T0a,$T0b,$T0c,$TMP0)=map("%ymm$_",(5..9));
my ($M1,$T1a,$T1b,$T1c,$TMP1)=map("%ymm$_",(10..14));

$code.=<<___;
################################################################################
# void ecp_nistz256_avx2_gather_w5(uint64_t *val, uint64_t *in_t, int index);
.type    ecp_nistz256_avx2_gather_w5,\@abi-omnipotent
.align    32
ecp_nistz256_avx2_gather_w5:
.cfi_startproc
.Lavx2_gather_w5:
    vzeroupper
___
$code.=<<___    if ($win64);
    lea    -0x88(%rsp), %rax
    mov    %rsp,%r11
.LSEH_begin_ecp_nistz256_avx2_gather_w5:
    .byte    0x48,0x8d,0x60,0xe0        # lea    -0x20(%rax), %rsp
    .byte    0xc5,0xf8,0x29,0x70,0xe0    # vmovaps %xmm6, -0x20(%rax)
    .byte    0xc5,0xf8,0x29,0x78,0xf0    # vmovaps %xmm7, -0x10(%rax)
    .byte    0xc5,0x78,0x29,0x40,0x00    # vmovaps %xmm8, 8(%rax)
    .byte    0xc5,0x78,0x29,0x48,0x10    # vmovaps %xmm9, 0x10(%rax)
    .byte    0xc5,0x78,0x29,0x50,0x20    # vmovaps %xmm10, 0x20(%rax)
    .byte    0xc5,0x78,0x29,0x58,0x30    # vmovaps %xmm11, 0x30(%rax)
    .byte    0xc5,0x78,0x29,0x60,0x40    # vmovaps %xmm12, 0x40(%rax)
    .byte    0xc5,0x78,0x29,0x68,0x50    # vmovaps %xmm13, 0x50(%rax)
    .byte    0xc5,0x78,0x29,0x70,0x60    # vmovaps %xmm14, 0x60(%rax)
    .byte    0xc5,0x78,0x29,0x78,0x70    # vmovaps %xmm15, 0x70(%rax)
___
$code.=<<___;
    vmovdqa    .LTwo(%rip), $TWO

    vpxor    $Ra, $Ra, $Ra
    vpxor    $Rb, $Rb, $Rb
    vpxor    $Rc, $Rc, $Rc

    vmovdqa .LOne(%rip), $M0
    vmovdqa .LTwo(%rip), $M1

    vmovd    $index, %xmm1
    vpermd    $INDEX, $Ra, $INDEX

    mov    \$8, %rax
.Lselect_loop_avx2_w5:

    vmovdqa    32*0($in_t), $T0a
    vmovdqa    32*1($in_t), $T0b
    vmovdqa    32*2($in_t), $T0c

    vmovdqa    32*3($in_t), $T1a
    vmovdqa    32*4($in_t), $T1b
    vmovdqa    32*5($in_t), $T1c

    vpcmpeqd    $INDEX, $M0, $TMP0
    vpcmpeqd    $INDEX, $M1, $TMP1

    vpaddd    $TWO, $M0, $M0
    vpaddd    $TWO, $M1, $M1
    lea    32*6($in_t), $in_t

    vpand    $TMP0, $T0a, $T0a
    vpand    $TMP0, $T0b, $T0b
    vpand    $TMP0, $T0c, $T0c
    vpand    $TMP1, $T1a, $T1a
    vpand    $TMP1, $T1b, $T1b
    vpand    $TMP1, $T1c, $T1c

    vpxor    $T0a, $Ra, $Ra
    vpxor    $T0b, $Rb, $Rb
    vpxor    $T0c, $Rc, $Rc
    vpxor    $T1a, $Ra, $Ra
    vpxor    $T1b, $Rb, $Rb
    vpxor    $T1c, $Rc, $Rc

    dec %rax
    jnz .Lselect_loop_avx2_w5

    vmovdqu $Ra, 32*0($val)
    vmovdqu $Rb, 32*1($val)
    vmovdqu $Rc, 32*2($val)
    vzeroupper
___
$code.=<<___    if ($win64);
    movaps    (%rsp), %xmm6
    movaps    0x10(%rsp), %xmm7
    movaps    0x20(%rsp), %xmm8
    movaps    0x30(%rsp), %xmm9
    movaps    0x40(%rsp), %xmm10
    movaps    0x50(%rsp), %xmm11
    movaps    0x60(%rsp), %xmm12
    movaps    0x70(%rsp), %xmm13
    movaps    0x80(%rsp), %xmm14
    movaps    0x90(%rsp), %xmm15
    lea    (%r11), %rsp
___
$code.=<<___;
    ret
.cfi_endproc
.LSEH_end_ecp_nistz256_avx2_gather_w5:
.size    ecp_nistz256_avx2_gather_w5,.-ecp_nistz256_avx2_gather_w5
___
}
if ($avx>1) {
my ($val,$in_t,$index)=$win64?("%rcx","%rdx","%r8d"):("%rdi","%rsi","%edx");
my ($THREE,$INDEX,$Ra,$Rb)=map("%ymm$_",(0..3));
my ($M0,$T0a,$T0b,$TMP0)=map("%ymm$_",(4..7));
my ($M1,$T1a,$T1b,$TMP1)=map("%ymm$_",(8..11));
my ($M2,$T2a,$T2b,$TMP2)=map("%ymm$_",(12..15));

$code.=<<___;

################################################################################
# void ecp_nistz256_avx2_gather_w7(uint64_t *val, uint64_t *in_t, int index);
.globl    ecp_nistz256_avx2_gather_w7
.type    ecp_nistz256_avx2_gather_w7,\@abi-omnipotent
.align    32
ecp_nistz256_avx2_gather_w7:
.cfi_startproc
.Lavx2_gather_w7:
    vzeroupper
___
$code.=<<___    if ($win64);
    mov    %rsp,%r11
    lea    -0x88(%rsp), %rax
.LSEH_begin_ecp_nistz256_avx2_gather_w7:
    .byte    0x48,0x8d,0x60,0xe0        # lea    -0x20(%rax), %rsp
    .byte    0xc5,0xf8,0x29,0x70,0xe0    # vmovaps %xmm6, -0x20(%rax)
    .byte    0xc5,0xf8,0x29,0x78,0xf0    # vmovaps %xmm7, -0x10(%rax)
    .byte    0xc5,0x78,0x29,0x40,0x00    # vmovaps %xmm8, 8(%rax)
    .byte    0xc5,0x78,0x29,0x48,0x10    # vmovaps %xmm9, 0x10(%rax)
    .byte    0xc5,0x78,0x29,0x50,0x20    # vmovaps %xmm10, 0x20(%rax)
    .byte    0xc5,0x78,0x29,0x58,0x30    # vmovaps %xmm11, 0x30(%rax)
    .byte    0xc5,0x78,0x29,0x60,0x40    # vmovaps %xmm12, 0x40(%rax)
    .byte    0xc5,0x78,0x29,0x68,0x50    # vmovaps %xmm13, 0x50(%rax)
    .byte    0xc5,0x78,0x29,0x70,0x60    # vmovaps %xmm14, 0x60(%rax)
    .byte    0xc5,0x78,0x29,0x78,0x70    # vmovaps %xmm15, 0x70(%rax)
___
$code.=<<___;
    vmovdqa    .LThree(%rip), $THREE

    vpxor    $Ra, $Ra, $Ra
    vpxor    $Rb, $Rb, $Rb

    vmovdqa .LOne(%rip), $M0
    vmovdqa .LTwo(%rip), $M1
    vmovdqa .LThree(%rip), $M2

    vmovd    $index, %xmm1
    vpermd    $INDEX, $Ra, $INDEX
    # Skip index = 0, because it is implicitly the point at infinity

    mov    \$21, %rax
.Lselect_loop_avx2_w7:

    vmovdqa    32*0($in_t), $T0a
    vmovdqa    32*1($in_t), $T0b

    vmovdqa    32*2($in_t), $T1a
    vmovdqa    32*3($in_t), $T1b

    vmovdqa    32*4($in_t), $T2a
    vmovdqa    32*5($in_t), $T2b

    vpcmpeqd    $INDEX, $M0, $TMP0
    vpcmpeqd    $INDEX, $M1, $TMP1
    vpcmpeqd    $INDEX, $M2, $TMP2

    vpaddd    $THREE, $M0, $M0
    vpaddd    $THREE, $M1, $M1
    vpaddd    $THREE, $M2, $M2
    lea    32*6($in_t), $in_t

    vpand    $TMP0, $T0a, $T0a
    vpand    $TMP0, $T0b, $T0b
    vpand    $TMP1, $T1a, $T1a
    vpand    $TMP1, $T1b, $T1b
    vpand    $TMP2, $T2a, $T2a
    vpand    $TMP2, $T2b, $T2b

    vpxor    $T0a, $Ra, $Ra
    vpxor    $T0b, $Rb, $Rb
    vpxor    $T1a, $Ra, $Ra
    vpxor    $T1b, $Rb, $Rb
    vpxor    $T2a, $Ra, $Ra
    vpxor    $T2b, $Rb, $Rb

    dec %rax
    jnz .Lselect_loop_avx2_w7


    vmovdqa    32*0($in_t), $T0a
    vmovdqa    32*1($in_t), $T0b

    vpcmpeqd    $INDEX, $M0, $TMP0

    vpand    $TMP0, $T0a, $T0a
    vpand    $TMP0, $T0b, $T0b

    vpxor    $T0a, $Ra, $Ra
    vpxor    $T0b, $Rb, $Rb

    vmovdqu $Ra, 32*0($val)
    vmovdqu $Rb, 32*1($val)
    vzeroupper
___
$code.=<<___    if ($win64);
    movaps    (%rsp), %xmm6
    movaps    0x10(%rsp), %xmm7
    movaps    0x20(%rsp), %xmm8
    movaps    0x30(%rsp), %xmm9
    movaps    0x40(%rsp), %xmm10
    movaps    0x50(%rsp), %xmm11
    movaps    0x60(%rsp), %xmm12
    movaps    0x70(%rsp), %xmm13
    movaps    0x80(%rsp), %xmm14
    movaps    0x90(%rsp), %xmm15
    lea    (%r11), %rsp
___
$code.=<<___;
    ret
.cfi_endproc
.LSEH_end_ecp_nistz256_avx2_gather_w7:
.size    ecp_nistz256_avx2_gather_w7,.-ecp_nistz256_avx2_gather_w7
___
} else {
$code.=<<___;
.globl    ecp_nistz256_avx2_gather_w7
.type    ecp_nistz256_avx2_gather_w7,\@function,3
.align    32
ecp_nistz256_avx2_gather_w7:
.cfi_startproc
    .byte    0x0f,0x0b    # ud2
    ret
.cfi_endproc
.size    ecp_nistz256_avx2_gather_w7,.-ecp_nistz256_avx2_gather_w7
___
}
{{{
########################################################################
# This block implements higher level point_double, point_add and
# point_add_affine. The key to performance in this case is to allow
# out-of-order execution logic to overlap computations from next step
# with tail processing from current step. By using tailored calling
# sequence we minimize inter-step overhead to give processor better
# shot at overlapping operations...
#
# You will notice that input data is copied to stack. Trouble is that
# there are no registers to spare for holding original pointers and
# reloading them, pointers, would create undesired dependencies on
# effective addresses calculation paths. In other words it's too done
# to favour out-of-order execution logic.
#                        <appro@openssl.org>

my ($r_ptr,$a_ptr,$b_org,$b_ptr)=("%rdi","%rsi","%rdx","%rbx");
my ($acc0,$acc1,$acc2,$acc3,$acc4,$acc5,$acc6,$acc7)=map("%r$_",(8..15));
my ($t0,$t1,$t2,$t3,$t4)=("%rax","%rbp","%rcx",$acc4,$acc4);
my ($poly1,$poly3)=($acc6,$acc7);

sub load_for_mul () {
my ($a,$b,$src0) = @_;
my $bias = $src0 eq "%rax" ? 0 : -128;

"    mov    $b, $src0
    lea    $b, $b_ptr
    mov    8*0+$a, $acc1
    mov    8*1+$a, $acc2
    lea    $bias+$a, $a_ptr
    mov    8*2+$a, $acc3
    mov    8*3+$a, $acc4"
}

sub load_for_sqr () {
my ($a,$src0) = @_;
my $bias = $src0 eq "%rax" ? 0 : -128;

"    mov    8*0+$a, $src0
    mov    8*1+$a, $acc6
    lea    $bias+$a, $a_ptr
    mov    8*2+$a, $acc7
    mov    8*3+$a, $acc0"
}

                                    {
########################################################################
# operate in 4-5-0-1 "name space" that matches multiplication output
#
my ($a0,$a1,$a2,$a3,$t3,$t4)=($acc4,$acc5,$acc0,$acc1,$acc2,$acc3);

$code.=<<___;
.type    __ecp_nistz256_add_toq,\@abi-omnipotent
.align    32
__ecp_nistz256_add_toq:
.cfi_startproc
    xor    $t4,$t4
    add    8*0($b_ptr), $a0
    adc    8*1($b_ptr), $a1
     mov    $a0, $t0
    adc    8*2($b_ptr), $a2
    adc    8*3($b_ptr), $a3
     mov    $a1, $t1
    adc    \$0, $t4

    sub    \$-1, $a0
     mov    $a2, $t2
    sbb    $poly1, $a1
    sbb    \$0, $a2
     mov    $a3, $t3
    sbb    $poly3, $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_add_toq,.-__ecp_nistz256_add_toq

.type    __ecp_nistz256_sub_fromq,\@abi-omnipotent
.align    32
__ecp_nistz256_sub_fromq:
.cfi_startproc
    sub    8*0($b_ptr), $a0
    sbb    8*1($b_ptr), $a1
     mov    $a0, $t0
    sbb    8*2($b_ptr), $a2
    sbb    8*3($b_ptr), $a3
     mov    $a1, $t1
    sbb    $t4, $t4

    add    \$-1, $a0
     mov    $a2, $t2
    adc    $poly1, $a1
    adc    \$0, $a2
     mov    $a3, $t3
    adc    $poly3, $a3
    test    $t4, $t4

    cmovz    $t0, $a0
    cmovz    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovz    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovz    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_sub_fromq,.-__ecp_nistz256_sub_fromq

.type    __ecp_nistz256_subq,\@abi-omnipotent
.align    32
__ecp_nistz256_subq:
.cfi_startproc
    sub    $a0, $t0
    sbb    $a1, $t1
     mov    $t0, $a0
    sbb    $a2, $t2
    sbb    $a3, $t3
     mov    $t1, $a1
    sbb    $t4, $t4

    add    \$-1, $t0
     mov    $t2, $a2
    adc    $poly1, $t1
    adc    \$0, $t2
     mov    $t3, $a3
    adc    $poly3, $t3
    test    $t4, $t4

    cmovnz    $t0, $a0
    cmovnz    $t1, $a1
    cmovnz    $t2, $a2
    cmovnz    $t3, $a3

    ret
.cfi_endproc
.size    __ecp_nistz256_subq,.-__ecp_nistz256_subq

.type    __ecp_nistz256_mul_by_2q,\@abi-omnipotent
.align    32
__ecp_nistz256_mul_by_2q:
.cfi_startproc
    xor    $t4, $t4
    add    $a0, $a0        # a0:a3+a0:a3
    adc    $a1, $a1
     mov    $a0, $t0
    adc    $a2, $a2
    adc    $a3, $a3
     mov    $a1, $t1
    adc    \$0, $t4

    sub    \$-1, $a0
     mov    $a2, $t2
    sbb    $poly1, $a1
    sbb    \$0, $a2
     mov    $a3, $t3
    sbb    $poly3, $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_mul_by_2q,.-__ecp_nistz256_mul_by_2q
___
                                    }
sub gen_double () {
    my $x = shift;
    my ($src0,$sfx,$bias);
    my ($S,$M,$Zsqr,$in_x,$tmp0)=map(32*$_,(0..4));

    if ($x ne "x") {
    $src0 = "%rax";
    $sfx  = "";
    $bias = 0;

$code.=<<___;
.globl    ecp_nistz256_point_double
.type    ecp_nistz256_point_double,\@function,2
.align    32
ecp_nistz256_point_double:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
    cmp    \$0x80100, %ecx
    je    .Lpoint_doublex
___
    } else {
    $src0 = "%rdx";
    $sfx  = "x";
    $bias = 128;

$code.=<<___;
.type    ecp_nistz256_point_doublex,\@function,2
.align    32
ecp_nistz256_point_doublex:
.cfi_startproc
.Lpoint_doublex:
___
    }
$code.=<<___;
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
    sub    \$32*5+8, %rsp
.cfi_adjust_cfa_offset    32*5+8
.Lpoint_double${x}_body:

.Lpoint_double_shortcut$x:
    movdqu    0x00($a_ptr), %xmm0        # copy    *(P256_POINT *)$a_ptr.x
    mov    $a_ptr, $b_ptr            # backup copy
    movdqu    0x10($a_ptr), %xmm1
     mov    0x20+8*0($a_ptr), $acc4        # load in_y in "5-4-0-1" order
     mov    0x20+8*1($a_ptr), $acc5
     mov    0x20+8*2($a_ptr), $acc0
     mov    0x20+8*3($a_ptr), $acc1
     mov    .Lpoly+8*1(%rip), $poly1
     mov    .Lpoly+8*3(%rip), $poly3
    movdqa    %xmm0, $in_x(%rsp)
    movdqa    %xmm1, $in_x+0x10(%rsp)
    lea    0x20($r_ptr), $acc2
    lea    0x40($r_ptr), $acc3
    movq    $r_ptr, %xmm0
    movq    $acc2, %xmm1
    movq    $acc3, %xmm2

    lea    $S(%rsp), $r_ptr
    call    __ecp_nistz256_mul_by_2$x    # p256_mul_by_2(S, in_y);

    mov    0x40+8*0($a_ptr), $src0
    mov    0x40+8*1($a_ptr), $acc6
    mov    0x40+8*2($a_ptr), $acc7
    mov    0x40+8*3($a_ptr), $acc0
    lea    0x40-$bias($a_ptr), $a_ptr
    lea    $Zsqr(%rsp), $r_ptr
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Zsqr, in_z);

    `&load_for_sqr("$S(%rsp)", "$src0")`
    lea    $S(%rsp), $r_ptr
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(S, S);

    mov    0x20($b_ptr), $src0        # $b_ptr is still valid
    mov    0x40+8*0($b_ptr), $acc1
    mov    0x40+8*1($b_ptr), $acc2
    mov    0x40+8*2($b_ptr), $acc3
    mov    0x40+8*3($b_ptr), $acc4
    lea    0x40-$bias($b_ptr), $a_ptr
    lea    0x20($b_ptr), $b_ptr
    movq    %xmm2, $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(res_z, in_z, in_y);
    call    __ecp_nistz256_mul_by_2$x    # p256_mul_by_2(res_z, res_z);

    mov    $in_x+8*0(%rsp), $acc4        # "5-4-0-1" order
    mov    $in_x+8*1(%rsp), $acc5
    lea    $Zsqr(%rsp), $b_ptr
    mov    $in_x+8*2(%rsp), $acc0
    mov    $in_x+8*3(%rsp), $acc1
    lea    $M(%rsp), $r_ptr
    call    __ecp_nistz256_add_to$x        # p256_add(M, in_x, Zsqr);

    mov    $in_x+8*0(%rsp), $acc4        # "5-4-0-1" order
    mov    $in_x+8*1(%rsp), $acc5
    lea    $Zsqr(%rsp), $b_ptr
    mov    $in_x+8*2(%rsp), $acc0
    mov    $in_x+8*3(%rsp), $acc1
    lea    $Zsqr(%rsp), $r_ptr
    call    __ecp_nistz256_sub_from$x    # p256_sub(Zsqr, in_x, Zsqr);

    `&load_for_sqr("$S(%rsp)", "$src0")`
    movq    %xmm1, $r_ptr
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(res_y, S);
___
{
######## ecp_nistz256_div_by_2(res_y, res_y); ##########################
# operate in 4-5-6-7 "name space" that matches squaring output
#
my ($poly1,$poly3)=($a_ptr,$t1);
my ($a0,$a1,$a2,$a3,$t3,$t4,$t1)=($acc4,$acc5,$acc6,$acc7,$acc0,$acc1,$acc2);

$code.=<<___;
    xor    $t4, $t4
    mov    $a0, $t0
    add    \$-1, $a0
    mov    $a1, $t1
    adc    $poly1, $a1
    mov    $a2, $t2
    adc    \$0, $a2
    mov    $a3, $t3
    adc    $poly3, $a3
    adc    \$0, $t4
    xor    $a_ptr, $a_ptr        # borrow $a_ptr
    test    \$1, $t0

    cmovz    $t0, $a0
    cmovz    $t1, $a1
    cmovz    $t2, $a2
    cmovz    $t3, $a3
    cmovz    $a_ptr, $t4

    mov    $a1, $t0        # a0:a3>>1
    shr    \$1, $a0
    shl    \$63, $t0
    mov    $a2, $t1
    shr    \$1, $a1
    or    $t0, $a0
    shl    \$63, $t1
    mov    $a3, $t2
    shr    \$1, $a2
    or    $t1, $a1
    shl    \$63, $t2
    mov    $a0, 8*0($r_ptr)
    shr    \$1, $a3
    mov    $a1, 8*1($r_ptr)
    shl    \$63, $t4
    or    $t2, $a2
    or    $t4, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)
___
}
$code.=<<___;
    `&load_for_mul("$M(%rsp)", "$Zsqr(%rsp)", "$src0")`
    lea    $M(%rsp), $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(M, M, Zsqr);

    lea    $tmp0(%rsp), $r_ptr
    call    __ecp_nistz256_mul_by_2$x

    lea    $M(%rsp), $b_ptr
    lea    $M(%rsp), $r_ptr
    call    __ecp_nistz256_add_to$x        # p256_mul_by_3(M, M);

    `&load_for_mul("$S(%rsp)", "$in_x(%rsp)", "$src0")`
    lea    $S(%rsp), $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S, S, in_x);

    lea    $tmp0(%rsp), $r_ptr
    call    __ecp_nistz256_mul_by_2$x    # p256_mul_by_2(tmp0, S);

    `&load_for_sqr("$M(%rsp)", "$src0")`
    movq    %xmm0, $r_ptr
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(res_x, M);

    lea    $tmp0(%rsp), $b_ptr
    mov    $acc6, $acc0            # harmonize sqr output and sub input
    mov    $acc7, $acc1
    mov    $a_ptr, $poly1
    mov    $t1, $poly3
    call    __ecp_nistz256_sub_from$x    # p256_sub(res_x, res_x, tmp0);

    mov    $S+8*0(%rsp), $t0
    mov    $S+8*1(%rsp), $t1
    mov    $S+8*2(%rsp), $t2
    mov    $S+8*3(%rsp), $acc2        # "4-5-0-1" order
    lea    $S(%rsp), $r_ptr
    call    __ecp_nistz256_sub$x        # p256_sub(S, S, res_x);

    mov    $M(%rsp), $src0
    lea    $M(%rsp), $b_ptr
    mov    $acc4, $acc6            # harmonize sub output and mul input
    xor    %ecx, %ecx
    mov    $acc4, $S+8*0(%rsp)        # have to save:-(
    mov    $acc5, $acc2
    mov    $acc5, $S+8*1(%rsp)
    cmovz    $acc0, $acc3
    mov    $acc0, $S+8*2(%rsp)
    lea    $S-$bias(%rsp), $a_ptr
    cmovz    $acc1, $acc4
    mov    $acc1, $S+8*3(%rsp)
    mov    $acc6, $acc1
    lea    $S(%rsp), $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S, S, M);

    movq    %xmm1, $b_ptr
    movq    %xmm1, $r_ptr
    call    __ecp_nistz256_sub_from$x    # p256_sub(res_y, S, res_y);

    lea    32*5+56(%rsp), %rsi
.cfi_def_cfa    %rsi,8
    mov    -48(%rsi),%r15
.cfi_restore    %r15
    mov    -40(%rsi),%r14
.cfi_restore    %r14
    mov    -32(%rsi),%r13
.cfi_restore    %r13
    mov    -24(%rsi),%r12
.cfi_restore    %r12
    mov    -16(%rsi),%rbx
.cfi_restore    %rbx
    mov    -8(%rsi),%rbp
.cfi_restore    %rbp
    lea    (%rsi),%rsp
.cfi_def_cfa_register    %rsp
.Lpoint_double${x}_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_point_double$sfx,.-ecp_nistz256_point_double$sfx
___
}
&gen_double("q");

sub gen_add () {
    my $x = shift;
    my ($src0,$sfx,$bias);
    my ($H,$Hsqr,$R,$Rsqr,$Hcub,
    $U1,$U2,$S1,$S2,
    $res_x,$res_y,$res_z,
    $in1_x,$in1_y,$in1_z,
    $in2_x,$in2_y,$in2_z)=map(32*$_,(0..17));
    my ($Z1sqr, $Z2sqr) = ($Hsqr, $Rsqr);

    if ($x ne "x") {
    $src0 = "%rax";
    $sfx  = "";
    $bias = 0;

$code.=<<___;
.globl    ecp_nistz256_point_add
.type    ecp_nistz256_point_add,\@function,3
.align    32
ecp_nistz256_point_add:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
    cmp    \$0x80100, %ecx
    je    .Lpoint_addx
___
    } else {
    $src0 = "%rdx";
    $sfx  = "x";
    $bias = 128;

$code.=<<___;
.type    ecp_nistz256_point_addx,\@function,3
.align    32
ecp_nistz256_point_addx:
.cfi_startproc
.Lpoint_addx:
___
    }
$code.=<<___;
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
    sub    \$32*18+8, %rsp
.cfi_adjust_cfa_offset    32*18+8
.Lpoint_add${x}_body:

    movdqu    0x00($a_ptr), %xmm0        # copy    *(P256_POINT *)$a_ptr
    movdqu    0x10($a_ptr), %xmm1
    movdqu    0x20($a_ptr), %xmm2
    movdqu    0x30($a_ptr), %xmm3
    movdqu    0x40($a_ptr), %xmm4
    movdqu    0x50($a_ptr), %xmm5
    mov    $a_ptr, $b_ptr            # reassign
    mov    $b_org, $a_ptr            # reassign
    movdqa    %xmm0, $in1_x(%rsp)
    movdqa    %xmm1, $in1_x+0x10(%rsp)
    movdqa    %xmm2, $in1_y(%rsp)
    movdqa    %xmm3, $in1_y+0x10(%rsp)
    movdqa    %xmm4, $in1_z(%rsp)
    movdqa    %xmm5, $in1_z+0x10(%rsp)
    por    %xmm4, %xmm5

    movdqu    0x00($a_ptr), %xmm0        # copy    *(P256_POINT *)$b_ptr
     pshufd    \$0xb1, %xmm5, %xmm3
    movdqu    0x10($a_ptr), %xmm1
    movdqu    0x20($a_ptr), %xmm2
     por    %xmm3, %xmm5
    movdqu    0x30($a_ptr), %xmm3
     mov    0x40+8*0($a_ptr), $src0        # load original in2_z
     mov    0x40+8*1($a_ptr), $acc6
     mov    0x40+8*2($a_ptr), $acc7
     mov    0x40+8*3($a_ptr), $acc0
    movdqa    %xmm0, $in2_x(%rsp)
     pshufd    \$0x1e, %xmm5, %xmm4
    movdqa    %xmm1, $in2_x+0x10(%rsp)
    movdqu    0x40($a_ptr),%xmm0        # in2_z again
    movdqu    0x50($a_ptr),%xmm1
    movdqa    %xmm2, $in2_y(%rsp)
    movdqa    %xmm3, $in2_y+0x10(%rsp)
     por    %xmm4, %xmm5
     pxor    %xmm4, %xmm4
    por    %xmm0, %xmm1
     movq    $r_ptr, %xmm0            # save $r_ptr

    lea    0x40-$bias($a_ptr), $a_ptr    # $a_ptr is still valid
     mov    $src0, $in2_z+8*0(%rsp)        # make in2_z copy
     mov    $acc6, $in2_z+8*1(%rsp)
     mov    $acc7, $in2_z+8*2(%rsp)
     mov    $acc0, $in2_z+8*3(%rsp)
    lea    $Z2sqr(%rsp), $r_ptr        # Z2^2
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Z2sqr, in2_z);

    pcmpeqd    %xmm4, %xmm5
    pshufd    \$0xb1, %xmm1, %xmm4
    por    %xmm1, %xmm4
    pshufd    \$0, %xmm5, %xmm5        # in1infty
    pshufd    \$0x1e, %xmm4, %xmm3
    por    %xmm3, %xmm4
    pxor    %xmm3, %xmm3
    pcmpeqd    %xmm3, %xmm4
    pshufd    \$0, %xmm4, %xmm4        # in2infty
     mov    0x40+8*0($b_ptr), $src0        # load original in1_z
     mov    0x40+8*1($b_ptr), $acc6
     mov    0x40+8*2($b_ptr), $acc7
     mov    0x40+8*3($b_ptr), $acc0
    movq    $b_ptr, %xmm1

    lea    0x40-$bias($b_ptr), $a_ptr
    lea    $Z1sqr(%rsp), $r_ptr        # Z1^2
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Z1sqr, in1_z);

    `&load_for_mul("$Z2sqr(%rsp)", "$in2_z(%rsp)", "$src0")`
    lea    $S1(%rsp), $r_ptr        # S1 = Z2^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S1, Z2sqr, in2_z);

    `&load_for_mul("$Z1sqr(%rsp)", "$in1_z(%rsp)", "$src0")`
    lea    $S2(%rsp), $r_ptr        # S2 = Z1^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S2, Z1sqr, in1_z);

    `&load_for_mul("$S1(%rsp)", "$in1_y(%rsp)", "$src0")`
    lea    $S1(%rsp), $r_ptr        # S1 = Y1*Z2^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S1, S1, in1_y);

    `&load_for_mul("$S2(%rsp)", "$in2_y(%rsp)", "$src0")`
    lea    $S2(%rsp), $r_ptr        # S2 = Y2*Z1^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S2, S2, in2_y);

    lea    $S1(%rsp), $b_ptr
    lea    $R(%rsp), $r_ptr        # R = S2 - S1
    call    __ecp_nistz256_sub_from$x    # p256_sub(R, S2, S1);

    or    $acc5, $acc4            # see if result is zero
    movdqa    %xmm4, %xmm2
    or    $acc0, $acc4
    or    $acc1, $acc4
    por    %xmm5, %xmm2            # in1infty || in2infty
    movq    $acc4, %xmm3

    `&load_for_mul("$Z2sqr(%rsp)", "$in1_x(%rsp)", "$src0")`
    lea    $U1(%rsp), $r_ptr        # U1 = X1*Z2^2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(U1, in1_x, Z2sqr);

    `&load_for_mul("$Z1sqr(%rsp)", "$in2_x(%rsp)", "$src0")`
    lea    $U2(%rsp), $r_ptr        # U2 = X2*Z1^2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(U2, in2_x, Z1sqr);

    lea    $U1(%rsp), $b_ptr
    lea    $H(%rsp), $r_ptr        # H = U2 - U1
    call    __ecp_nistz256_sub_from$x    # p256_sub(H, U2, U1);

    or    $acc5, $acc4            # see if result is zero
    or    $acc0, $acc4
    or    $acc1, $acc4            # !is_equal(U1, U2)

    movq    %xmm2, $acc0            # in1infty | in2infty
    movq    %xmm3, $acc1            # !is_equal(S1, S2)

    or    $acc0, $acc4
    or    $acc1, $acc4

    # if (!is_equal(U1, U2) | in1infty | in2infty | !is_equal(S1, S2))
    .byte    0x3e                # predict taken
    jnz    .Ladd_proceed$x

.Ladd_double$x:
    movq    %xmm1, $a_ptr            # restore $a_ptr
    movq    %xmm0, $r_ptr            # restore $r_ptr
    add    \$`32*(18-5)`, %rsp        # difference in frame sizes
.cfi_adjust_cfa_offset    `-32*(18-5)`
    jmp    .Lpoint_double_shortcut$x
.cfi_adjust_cfa_offset    `32*(18-5)`

.align    32
.Ladd_proceed$x:
    `&load_for_sqr("$R(%rsp)", "$src0")`
    lea    $Rsqr(%rsp), $r_ptr        # R^2
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Rsqr, R);

    `&load_for_mul("$H(%rsp)", "$in1_z(%rsp)", "$src0")`
    lea    $res_z(%rsp), $r_ptr        # Z3 = H*Z1*Z2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(res_z, H, in1_z);

    `&load_for_sqr("$H(%rsp)", "$src0")`
    lea    $Hsqr(%rsp), $r_ptr        # H^2
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Hsqr, H);

    `&load_for_mul("$res_z(%rsp)", "$in2_z(%rsp)", "$src0")`
    lea    $res_z(%rsp), $r_ptr        # Z3 = H*Z1*Z2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(res_z, res_z, in2_z);

    `&load_for_mul("$Hsqr(%rsp)", "$H(%rsp)", "$src0")`
    lea    $Hcub(%rsp), $r_ptr        # H^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(Hcub, Hsqr, H);

    `&load_for_mul("$Hsqr(%rsp)", "$U1(%rsp)", "$src0")`
    lea    $U2(%rsp), $r_ptr        # U1*H^2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(U2, U1, Hsqr);
___
{
#######################################################################
# operate in 4-5-0-1 "name space" that matches multiplication output
#
my ($acc0,$acc1,$acc2,$acc3,$t3,$t4)=($acc4,$acc5,$acc0,$acc1,$acc2,$acc3);
my ($poly1, $poly3)=($acc6,$acc7);

$code.=<<___;
    #lea    $U2(%rsp), $a_ptr
    #lea    $Hsqr(%rsp), $r_ptr    # 2*U1*H^2
    #call    __ecp_nistz256_mul_by_2    # ecp_nistz256_mul_by_2(Hsqr, U2);

    xor    $t4, $t4
    add    $acc0, $acc0        # a0:a3+a0:a3
    lea    $Rsqr(%rsp), $a_ptr
    adc    $acc1, $acc1
     mov    $acc0, $t0
    adc    $acc2, $acc2
    adc    $acc3, $acc3
     mov    $acc1, $t1
    adc    \$0, $t4

    sub    \$-1, $acc0
     mov    $acc2, $t2
    sbb    $poly1, $acc1
    sbb    \$0, $acc2
     mov    $acc3, $t3
    sbb    $poly3, $acc3
    sbb    \$0, $t4

    cmovc    $t0, $acc0
    mov    8*0($a_ptr), $t0
    cmovc    $t1, $acc1
    mov    8*1($a_ptr), $t1
    cmovc    $t2, $acc2
    mov    8*2($a_ptr), $t2
    cmovc    $t3, $acc3
    mov    8*3($a_ptr), $t3

    call    __ecp_nistz256_sub$x        # p256_sub(res_x, Rsqr, Hsqr);

    lea    $Hcub(%rsp), $b_ptr
    lea    $res_x(%rsp), $r_ptr
    call    __ecp_nistz256_sub_from$x    # p256_sub(res_x, res_x, Hcub);

    mov    $U2+8*0(%rsp), $t0
    mov    $U2+8*1(%rsp), $t1
    mov    $U2+8*2(%rsp), $t2
    mov    $U2+8*3(%rsp), $t3
    lea    $res_y(%rsp), $r_ptr

    call    __ecp_nistz256_sub$x        # p256_sub(res_y, U2, res_x);

    mov    $acc0, 8*0($r_ptr)        # save the result, as
    mov    $acc1, 8*1($r_ptr)        # __ecp_nistz256_sub doesn't
    mov    $acc2, 8*2($r_ptr)
    mov    $acc3, 8*3($r_ptr)
___
}
$code.=<<___;
    `&load_for_mul("$S1(%rsp)", "$Hcub(%rsp)", "$src0")`
    lea    $S2(%rsp), $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S2, S1, Hcub);

    `&load_for_mul("$R(%rsp)", "$res_y(%rsp)", "$src0")`
    lea    $res_y(%rsp), $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(res_y, R, res_y);

    lea    $S2(%rsp), $b_ptr
    lea    $res_y(%rsp), $r_ptr
    call    __ecp_nistz256_sub_from$x    # p256_sub(res_y, res_y, S2);

    movq    %xmm0, $r_ptr        # restore $r_ptr

    movdqa    %xmm5, %xmm0        # copy_conditional(res_z, in2_z, in1infty);
    movdqa    %xmm5, %xmm1
    pandn    $res_z(%rsp), %xmm0
    movdqa    %xmm5, %xmm2
    pandn    $res_z+0x10(%rsp), %xmm1
    movdqa    %xmm5, %xmm3
    pand    $in2_z(%rsp), %xmm2
    pand    $in2_z+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3

    movdqa    %xmm4, %xmm0        # copy_conditional(res_z, in1_z, in2infty);
    movdqa    %xmm4, %xmm1
    pandn    %xmm2, %xmm0
    movdqa    %xmm4, %xmm2
    pandn    %xmm3, %xmm1
    movdqa    %xmm4, %xmm3
    pand    $in1_z(%rsp), %xmm2
    pand    $in1_z+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3
    movdqu    %xmm2, 0x40($r_ptr)
    movdqu    %xmm3, 0x50($r_ptr)

    movdqa    %xmm5, %xmm0        # copy_conditional(res_x, in2_x, in1infty);
    movdqa    %xmm5, %xmm1
    pandn    $res_x(%rsp), %xmm0
    movdqa    %xmm5, %xmm2
    pandn    $res_x+0x10(%rsp), %xmm1
    movdqa    %xmm5, %xmm3
    pand    $in2_x(%rsp), %xmm2
    pand    $in2_x+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3

    movdqa    %xmm4, %xmm0        # copy_conditional(res_x, in1_x, in2infty);
    movdqa    %xmm4, %xmm1
    pandn    %xmm2, %xmm0
    movdqa    %xmm4, %xmm2
    pandn    %xmm3, %xmm1
    movdqa    %xmm4, %xmm3
    pand    $in1_x(%rsp), %xmm2
    pand    $in1_x+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3
    movdqu    %xmm2, 0x00($r_ptr)
    movdqu    %xmm3, 0x10($r_ptr)

    movdqa    %xmm5, %xmm0        # copy_conditional(res_y, in2_y, in1infty);
    movdqa    %xmm5, %xmm1
    pandn    $res_y(%rsp), %xmm0
    movdqa    %xmm5, %xmm2
    pandn    $res_y+0x10(%rsp), %xmm1
    movdqa    %xmm5, %xmm3
    pand    $in2_y(%rsp), %xmm2
    pand    $in2_y+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3

    movdqa    %xmm4, %xmm0        # copy_conditional(res_y, in1_y, in2infty);
    movdqa    %xmm4, %xmm1
    pandn    %xmm2, %xmm0
    movdqa    %xmm4, %xmm2
    pandn    %xmm3, %xmm1
    movdqa    %xmm4, %xmm3
    pand    $in1_y(%rsp), %xmm2
    pand    $in1_y+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3
    movdqu    %xmm2, 0x20($r_ptr)
    movdqu    %xmm3, 0x30($r_ptr)

.Ladd_done$x:
    lea    32*18+56(%rsp), %rsi
.cfi_def_cfa    %rsi,8
    mov    -48(%rsi),%r15
.cfi_restore    %r15
    mov    -40(%rsi),%r14
.cfi_restore    %r14
    mov    -32(%rsi),%r13
.cfi_restore    %r13
    mov    -24(%rsi),%r12
.cfi_restore    %r12
    mov    -16(%rsi),%rbx
.cfi_restore    %rbx
    mov    -8(%rsi),%rbp
.cfi_restore    %rbp
    lea    (%rsi),%rsp
.cfi_def_cfa_register    %rsp
.Lpoint_add${x}_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_point_add$sfx,.-ecp_nistz256_point_add$sfx
___
}
&gen_add("q");

sub gen_add_affine () {
    my $x = shift;
    my ($src0,$sfx,$bias);
    my ($U2,$S2,$H,$R,$Hsqr,$Hcub,$Rsqr,
    $res_x,$res_y,$res_z,
    $in1_x,$in1_y,$in1_z,
    $in2_x,$in2_y)=map(32*$_,(0..14));
    my $Z1sqr = $S2;

    if ($x ne "x") {
    $src0 = "%rax";
    $sfx  = "";
    $bias = 0;

$code.=<<___;
.globl    ecp_nistz256_point_add_affine
.type    ecp_nistz256_point_add_affine,\@function,3
.align    32
ecp_nistz256_point_add_affine:
.cfi_startproc
___
$code.=<<___    if ($addx);
    mov    \$0x80100, %ecx
    and    OPENSSL_ia32cap_P+8(%rip), %ecx
    cmp    \$0x80100, %ecx
    je    .Lpoint_add_affinex
___
    } else {
    $src0 = "%rdx";
    $sfx  = "x";
    $bias = 128;

$code.=<<___;
.type    ecp_nistz256_point_add_affinex,\@function,3
.align    32
ecp_nistz256_point_add_affinex:
.cfi_startproc
.Lpoint_add_affinex:
___
    }
$code.=<<___;
    push    %rbp
.cfi_push    %rbp
    push    %rbx
.cfi_push    %rbx
    push    %r12
.cfi_push    %r12
    push    %r13
.cfi_push    %r13
    push    %r14
.cfi_push    %r14
    push    %r15
.cfi_push    %r15
    sub    \$32*15+8, %rsp
.cfi_adjust_cfa_offset    32*15+8
.Ladd_affine${x}_body:

    movdqu    0x00($a_ptr), %xmm0    # copy    *(P256_POINT *)$a_ptr
    mov    $b_org, $b_ptr        # reassign
    movdqu    0x10($a_ptr), %xmm1
    movdqu    0x20($a_ptr), %xmm2
    movdqu    0x30($a_ptr), %xmm3
    movdqu    0x40($a_ptr), %xmm4
    movdqu    0x50($a_ptr), %xmm5
     mov    0x40+8*0($a_ptr), $src0    # load original in1_z
     mov    0x40+8*1($a_ptr), $acc6
     mov    0x40+8*2($a_ptr), $acc7
     mov    0x40+8*3($a_ptr), $acc0
    movdqa    %xmm0, $in1_x(%rsp)
    movdqa    %xmm1, $in1_x+0x10(%rsp)
    movdqa    %xmm2, $in1_y(%rsp)
    movdqa    %xmm3, $in1_y+0x10(%rsp)
    movdqa    %xmm4, $in1_z(%rsp)
    movdqa    %xmm5, $in1_z+0x10(%rsp)
    por    %xmm4, %xmm5

    movdqu    0x00($b_ptr), %xmm0    # copy    *(P256_POINT_AFFINE *)$b_ptr
     pshufd    \$0xb1, %xmm5, %xmm3
    movdqu    0x10($b_ptr), %xmm1
    movdqu    0x20($b_ptr), %xmm2
     por    %xmm3, %xmm5
    movdqu    0x30($b_ptr), %xmm3
    movdqa    %xmm0, $in2_x(%rsp)
     pshufd    \$0x1e, %xmm5, %xmm4
    movdqa    %xmm1, $in2_x+0x10(%rsp)
    por    %xmm0, %xmm1
     movq    $r_ptr, %xmm0        # save $r_ptr
    movdqa    %xmm2, $in2_y(%rsp)
    movdqa    %xmm3, $in2_y+0x10(%rsp)
    por    %xmm2, %xmm3
     por    %xmm4, %xmm5
     pxor    %xmm4, %xmm4
    por    %xmm1, %xmm3

    lea    0x40-$bias($a_ptr), $a_ptr    # $a_ptr is still valid
    lea    $Z1sqr(%rsp), $r_ptr        # Z1^2
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Z1sqr, in1_z);

    pcmpeqd    %xmm4, %xmm5
    pshufd    \$0xb1, %xmm3, %xmm4
     mov    0x00($b_ptr), $src0        # $b_ptr is still valid
     #lea    0x00($b_ptr), $b_ptr
     mov    $acc4, $acc1            # harmonize sqr output and mul input
    por    %xmm3, %xmm4
    pshufd    \$0, %xmm5, %xmm5        # in1infty
    pshufd    \$0x1e, %xmm4, %xmm3
     mov    $acc5, $acc2
    por    %xmm3, %xmm4
    pxor    %xmm3, %xmm3
     mov    $acc6, $acc3
    pcmpeqd    %xmm3, %xmm4
    pshufd    \$0, %xmm4, %xmm4        # in2infty

    lea    $Z1sqr-$bias(%rsp), $a_ptr
    mov    $acc7, $acc4
    lea    $U2(%rsp), $r_ptr        # U2 = X2*Z1^2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(U2, Z1sqr, in2_x);

    lea    $in1_x(%rsp), $b_ptr
    lea    $H(%rsp), $r_ptr        # H = U2 - U1
    call    __ecp_nistz256_sub_from$x    # p256_sub(H, U2, in1_x);

    `&load_for_mul("$Z1sqr(%rsp)", "$in1_z(%rsp)", "$src0")`
    lea    $S2(%rsp), $r_ptr        # S2 = Z1^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S2, Z1sqr, in1_z);

    `&load_for_mul("$H(%rsp)", "$in1_z(%rsp)", "$src0")`
    lea    $res_z(%rsp), $r_ptr        # Z3 = H*Z1*Z2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(res_z, H, in1_z);

    `&load_for_mul("$S2(%rsp)", "$in2_y(%rsp)", "$src0")`
    lea    $S2(%rsp), $r_ptr        # S2 = Y2*Z1^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S2, S2, in2_y);

    lea    $in1_y(%rsp), $b_ptr
    lea    $R(%rsp), $r_ptr        # R = S2 - S1
    call    __ecp_nistz256_sub_from$x    # p256_sub(R, S2, in1_y);

    `&load_for_sqr("$H(%rsp)", "$src0")`
    lea    $Hsqr(%rsp), $r_ptr        # H^2
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Hsqr, H);

    `&load_for_sqr("$R(%rsp)", "$src0")`
    lea    $Rsqr(%rsp), $r_ptr        # R^2
    call    __ecp_nistz256_sqr_mont$x    # p256_sqr_mont(Rsqr, R);

    `&load_for_mul("$H(%rsp)", "$Hsqr(%rsp)", "$src0")`
    lea    $Hcub(%rsp), $r_ptr        # H^3
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(Hcub, Hsqr, H);

    `&load_for_mul("$Hsqr(%rsp)", "$in1_x(%rsp)", "$src0")`
    lea    $U2(%rsp), $r_ptr        # U1*H^2
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(U2, in1_x, Hsqr);
___
{
#######################################################################
# operate in 4-5-0-1 "name space" that matches multiplication output
#
my ($acc0,$acc1,$acc2,$acc3,$t3,$t4)=($acc4,$acc5,$acc0,$acc1,$acc2,$acc3);
my ($poly1, $poly3)=($acc6,$acc7);

$code.=<<___;
    #lea    $U2(%rsp), $a_ptr
    #lea    $Hsqr(%rsp), $r_ptr    # 2*U1*H^2
    #call    __ecp_nistz256_mul_by_2    # ecp_nistz256_mul_by_2(Hsqr, U2);

    xor    $t4, $t4
    add    $acc0, $acc0        # a0:a3+a0:a3
    lea    $Rsqr(%rsp), $a_ptr
    adc    $acc1, $acc1
     mov    $acc0, $t0
    adc    $acc2, $acc2
    adc    $acc3, $acc3
     mov    $acc1, $t1
    adc    \$0, $t4

    sub    \$-1, $acc0
     mov    $acc2, $t2
    sbb    $poly1, $acc1
    sbb    \$0, $acc2
     mov    $acc3, $t3
    sbb    $poly3, $acc3
    sbb    \$0, $t4

    cmovc    $t0, $acc0
    mov    8*0($a_ptr), $t0
    cmovc    $t1, $acc1
    mov    8*1($a_ptr), $t1
    cmovc    $t2, $acc2
    mov    8*2($a_ptr), $t2
    cmovc    $t3, $acc3
    mov    8*3($a_ptr), $t3

    call    __ecp_nistz256_sub$x        # p256_sub(res_x, Rsqr, Hsqr);

    lea    $Hcub(%rsp), $b_ptr
    lea    $res_x(%rsp), $r_ptr
    call    __ecp_nistz256_sub_from$x    # p256_sub(res_x, res_x, Hcub);

    mov    $U2+8*0(%rsp), $t0
    mov    $U2+8*1(%rsp), $t1
    mov    $U2+8*2(%rsp), $t2
    mov    $U2+8*3(%rsp), $t3
    lea    $H(%rsp), $r_ptr

    call    __ecp_nistz256_sub$x        # p256_sub(H, U2, res_x);

    mov    $acc0, 8*0($r_ptr)        # save the result, as
    mov    $acc1, 8*1($r_ptr)        # __ecp_nistz256_sub doesn't
    mov    $acc2, 8*2($r_ptr)
    mov    $acc3, 8*3($r_ptr)
___
}
$code.=<<___;
    `&load_for_mul("$Hcub(%rsp)", "$in1_y(%rsp)", "$src0")`
    lea    $S2(%rsp), $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(S2, Hcub, in1_y);

    `&load_for_mul("$H(%rsp)", "$R(%rsp)", "$src0")`
    lea    $H(%rsp), $r_ptr
    call    __ecp_nistz256_mul_mont$x    # p256_mul_mont(H, H, R);

    lea    $S2(%rsp), $b_ptr
    lea    $res_y(%rsp), $r_ptr
    call    __ecp_nistz256_sub_from$x    # p256_sub(res_y, H, S2);

    movq    %xmm0, $r_ptr        # restore $r_ptr

    movdqa    %xmm5, %xmm0        # copy_conditional(res_z, ONE, in1infty);
    movdqa    %xmm5, %xmm1
    pandn    $res_z(%rsp), %xmm0
    movdqa    %xmm5, %xmm2
    pandn    $res_z+0x10(%rsp), %xmm1
    movdqa    %xmm5, %xmm3
    pand    .LONE_mont(%rip), %xmm2
    pand    .LONE_mont+0x10(%rip), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3

    movdqa    %xmm4, %xmm0        # copy_conditional(res_z, in1_z, in2infty);
    movdqa    %xmm4, %xmm1
    pandn    %xmm2, %xmm0
    movdqa    %xmm4, %xmm2
    pandn    %xmm3, %xmm1
    movdqa    %xmm4, %xmm3
    pand    $in1_z(%rsp), %xmm2
    pand    $in1_z+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3
    movdqu    %xmm2, 0x40($r_ptr)
    movdqu    %xmm3, 0x50($r_ptr)

    movdqa    %xmm5, %xmm0        # copy_conditional(res_x, in2_x, in1infty);
    movdqa    %xmm5, %xmm1
    pandn    $res_x(%rsp), %xmm0
    movdqa    %xmm5, %xmm2
    pandn    $res_x+0x10(%rsp), %xmm1
    movdqa    %xmm5, %xmm3
    pand    $in2_x(%rsp), %xmm2
    pand    $in2_x+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3

    movdqa    %xmm4, %xmm0        # copy_conditional(res_x, in1_x, in2infty);
    movdqa    %xmm4, %xmm1
    pandn    %xmm2, %xmm0
    movdqa    %xmm4, %xmm2
    pandn    %xmm3, %xmm1
    movdqa    %xmm4, %xmm3
    pand    $in1_x(%rsp), %xmm2
    pand    $in1_x+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3
    movdqu    %xmm2, 0x00($r_ptr)
    movdqu    %xmm3, 0x10($r_ptr)

    movdqa    %xmm5, %xmm0        # copy_conditional(res_y, in2_y, in1infty);
    movdqa    %xmm5, %xmm1
    pandn    $res_y(%rsp), %xmm0
    movdqa    %xmm5, %xmm2
    pandn    $res_y+0x10(%rsp), %xmm1
    movdqa    %xmm5, %xmm3
    pand    $in2_y(%rsp), %xmm2
    pand    $in2_y+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3

    movdqa    %xmm4, %xmm0        # copy_conditional(res_y, in1_y, in2infty);
    movdqa    %xmm4, %xmm1
    pandn    %xmm2, %xmm0
    movdqa    %xmm4, %xmm2
    pandn    %xmm3, %xmm1
    movdqa    %xmm4, %xmm3
    pand    $in1_y(%rsp), %xmm2
    pand    $in1_y+0x10(%rsp), %xmm3
    por    %xmm0, %xmm2
    por    %xmm1, %xmm3
    movdqu    %xmm2, 0x20($r_ptr)
    movdqu    %xmm3, 0x30($r_ptr)

    lea    32*15+56(%rsp), %rsi
.cfi_def_cfa    %rsi,8
    mov    -48(%rsi),%r15
.cfi_restore    %r15
    mov    -40(%rsi),%r14
.cfi_restore    %r14
    mov    -32(%rsi),%r13
.cfi_restore    %r13
    mov    -24(%rsi),%r12
.cfi_restore    %r12
    mov    -16(%rsi),%rbx
.cfi_restore    %rbx
    mov    -8(%rsi),%rbp
.cfi_restore    %rbp
    lea    (%rsi),%rsp
.cfi_def_cfa_register    %rsp
.Ladd_affine${x}_epilogue:
    ret
.cfi_endproc
.size    ecp_nistz256_point_add_affine$sfx,.-ecp_nistz256_point_add_affine$sfx
___
}
&gen_add_affine("q");

########################################################################
# AD*X magic
#
if ($addx) {                                {
########################################################################
# operate in 4-5-0-1 "name space" that matches multiplication output
#
my ($a0,$a1,$a2,$a3,$t3,$t4)=($acc4,$acc5,$acc0,$acc1,$acc2,$acc3);

$code.=<<___;
.type    __ecp_nistz256_add_tox,\@abi-omnipotent
.align    32
__ecp_nistz256_add_tox:
.cfi_startproc
    xor    $t4, $t4
    adc    8*0($b_ptr), $a0
    adc    8*1($b_ptr), $a1
     mov    $a0, $t0
    adc    8*2($b_ptr), $a2
    adc    8*3($b_ptr), $a3
     mov    $a1, $t1
    adc    \$0, $t4

    xor    $t3, $t3
    sbb    \$-1, $a0
     mov    $a2, $t2
    sbb    $poly1, $a1
    sbb    \$0, $a2
     mov    $a3, $t3
    sbb    $poly3, $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_add_tox,.-__ecp_nistz256_add_tox

.type    __ecp_nistz256_sub_fromx,\@abi-omnipotent
.align    32
__ecp_nistz256_sub_fromx:
.cfi_startproc
    xor    $t4, $t4
    sbb    8*0($b_ptr), $a0
    sbb    8*1($b_ptr), $a1
     mov    $a0, $t0
    sbb    8*2($b_ptr), $a2
    sbb    8*3($b_ptr), $a3
     mov    $a1, $t1
    sbb    \$0, $t4

    xor    $t3, $t3
    adc    \$-1, $a0
     mov    $a2, $t2
    adc    $poly1, $a1
    adc    \$0, $a2
     mov    $a3, $t3
    adc    $poly3, $a3

    bt    \$0, $t4
    cmovnc    $t0, $a0
    cmovnc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovnc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovnc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_sub_fromx,.-__ecp_nistz256_sub_fromx

.type    __ecp_nistz256_subx,\@abi-omnipotent
.align    32
__ecp_nistz256_subx:
.cfi_startproc
    xor    $t4, $t4
    sbb    $a0, $t0
    sbb    $a1, $t1
     mov    $t0, $a0
    sbb    $a2, $t2
    sbb    $a3, $t3
     mov    $t1, $a1
    sbb    \$0, $t4

    xor    $a3 ,$a3
    adc    \$-1, $t0
     mov    $t2, $a2
    adc    $poly1, $t1
    adc    \$0, $t2
     mov    $t3, $a3
    adc    $poly3, $t3

    bt    \$0, $t4
    cmovc    $t0, $a0
    cmovc    $t1, $a1
    cmovc    $t2, $a2
    cmovc    $t3, $a3

    ret
.cfi_endproc
.size    __ecp_nistz256_subx,.-__ecp_nistz256_subx

.type    __ecp_nistz256_mul_by_2x,\@abi-omnipotent
.align    32
__ecp_nistz256_mul_by_2x:
.cfi_startproc
    xor    $t4, $t4
    adc    $a0, $a0        # a0:a3+a0:a3
    adc    $a1, $a1
     mov    $a0, $t0
    adc    $a2, $a2
    adc    $a3, $a3
     mov    $a1, $t1
    adc    \$0, $t4

    xor    $t3, $t3
    sbb    \$-1, $a0
     mov    $a2, $t2
    sbb    $poly1, $a1
    sbb    \$0, $a2
     mov    $a3, $t3
    sbb    $poly3, $a3
    sbb    \$0, $t4

    cmovc    $t0, $a0
    cmovc    $t1, $a1
    mov    $a0, 8*0($r_ptr)
    cmovc    $t2, $a2
    mov    $a1, 8*1($r_ptr)
    cmovc    $t3, $a3
    mov    $a2, 8*2($r_ptr)
    mov    $a3, 8*3($r_ptr)

    ret
.cfi_endproc
.size    __ecp_nistz256_mul_by_2x,.-__ecp_nistz256_mul_by_2x
___
                                    }
&gen_double("x");
&gen_add("x");
&gen_add_affine("x");
}
}}}

# EXCEPTION_DISPOSITION handler (EXCEPTION_RECORD *rec,ULONG64 frame,
#        CONTEXT *context,DISPATCHER_CONTEXT *disp)
if ($win64) {
$rec="%rcx";
$frame="%rdx";
$context="%r8";
$disp="%r9";

$code.=<<___;
.extern    __imp_RtlVirtualUnwind

.type    short_handler,\@abi-omnipotent
.align    16
short_handler:
    push    %rsi
    push    %rdi
    push    %rbx
    push    %rbp
    push    %r12
    push    %r13
    push    %r14
    push    %r15
    pushfq
    sub    \$64,%rsp

    mov    120($context),%rax    # pull context->Rax
    mov    248($context),%rbx    # pull context->Rip

    mov    8($disp),%rsi        # disp->ImageBase
    mov    56($disp),%r11        # disp->HandlerData

    mov    0(%r11),%r10d        # HandlerData[0]
    lea    (%rsi,%r10),%r10    # end of prologue label
    cmp    %r10,%rbx        # context->Rip<end of prologue label
    jb    .Lcommon_seh_tail

    mov    152($context),%rax    # pull context->Rsp

    mov    4(%r11),%r10d        # HandlerData[1]
    lea    (%rsi,%r10),%r10    # epilogue label
    cmp    %r10,%rbx        # context->Rip>=epilogue label
    jae    .Lcommon_seh_tail

    lea    16(%rax),%rax

    mov    -8(%rax),%r12
    mov    -16(%rax),%r13
    mov    %r12,216($context)    # restore context->R12
    mov    %r13,224($context)    # restore context->R13

    jmp    .Lcommon_seh_tail
.size    short_handler,.-short_handler

.type    full_handler,\@abi-omnipotent
.align    16
full_handler:
    push    %rsi
    push    %rdi
    push    %rbx
    push    %rbp
    push    %r12
    push    %r13
    push    %r14
    push    %r15
    pushfq
    sub    \$64,%rsp

    mov    120($context),%rax    # pull context->Rax
    mov    248($context),%rbx    # pull context->Rip

    mov    8($disp),%rsi        # disp->ImageBase
    mov    56($disp),%r11        # disp->HandlerData

    mov    0(%r11),%r10d        # HandlerData[0]
    lea    (%rsi,%r10),%r10    # end of prologue label
    cmp    %r10,%rbx        # context->Rip<end of prologue label
    jb    .Lcommon_seh_tail

    mov    152($context),%rax    # pull context->Rsp

    mov    4(%r11),%r10d        # HandlerData[1]
    lea    (%rsi,%r10),%r10    # epilogue label
    cmp    %r10,%rbx        # context->Rip>=epilogue label
    jae    .Lcommon_seh_tail

    mov    8(%r11),%r10d        # HandlerData[2]
    lea    (%rax,%r10),%rax

    mov    -8(%rax),%rbp
    mov    -16(%rax),%rbx
    mov    -24(%rax),%r12
    mov    -32(%rax),%r13
    mov    -40(%rax),%r14
    mov    -48(%rax),%r15
    mov    %rbx,144($context)    # restore context->Rbx
    mov    %rbp,160($context)    # restore context->Rbp
    mov    %r12,216($context)    # restore context->R12
    mov    %r13,224($context)    # restore context->R13
    mov    %r14,232($context)    # restore context->R14
    mov    %r15,240($context)    # restore context->R15

.Lcommon_seh_tail:
    mov    8(%rax),%rdi
    mov    16(%rax),%rsi
    mov    %rax,152($context)    # restore context->Rsp
    mov    %rsi,168($context)    # restore context->Rsi
    mov    %rdi,176($context)    # restore context->Rdi

    mov    40($disp),%rdi        # disp->ContextRecord
    mov    $context,%rsi        # context
    mov    \$154,%ecx        # sizeof(CONTEXT)
    .long    0xa548f3fc        # cld; rep movsq

    mov    $disp,%rsi
    xor    %rcx,%rcx        # arg1, UNW_FLAG_NHANDLER
    mov    8(%rsi),%rdx        # arg2, disp->ImageBase
    mov    0(%rsi),%r8        # arg3, disp->ControlPc
    mov    16(%rsi),%r9        # arg4, disp->FunctionEntry
    mov    40(%rsi),%r10        # disp->ContextRecord
    lea    56(%rsi),%r11        # &disp->HandlerData
    lea    24(%rsi),%r12        # &disp->EstablisherFrame
    mov    %r10,32(%rsp)        # arg5
    mov    %r11,40(%rsp)        # arg6
    mov    %r12,48(%rsp)        # arg7
    mov    %rcx,56(%rsp)        # arg8, (NULL)
    call    *__imp_RtlVirtualUnwind(%rip)

    mov    \$1,%eax        # ExceptionContinueSearch
    add    \$64,%rsp
    popfq
    pop    %r15
    pop    %r14
    pop    %r13
    pop    %r12
    pop    %rbp
    pop    %rbx
    pop    %rdi
    pop    %rsi
    ret
.size    full_handler,.-full_handler

.section    .pdata
.align    4
    .rva    .LSEH_begin_ecp_nistz256_mul_by_2
    .rva    .LSEH_end_ecp_nistz256_mul_by_2
    .rva    .LSEH_info_ecp_nistz256_mul_by_2

    .rva    .LSEH_begin_ecp_nistz256_div_by_2
    .rva    .LSEH_end_ecp_nistz256_div_by_2
    .rva    .LSEH_info_ecp_nistz256_div_by_2

    .rva    .LSEH_begin_ecp_nistz256_mul_by_3
    .rva    .LSEH_end_ecp_nistz256_mul_by_3
    .rva    .LSEH_info_ecp_nistz256_mul_by_3

    .rva    .LSEH_begin_ecp_nistz256_add
    .rva    .LSEH_end_ecp_nistz256_add
    .rva    .LSEH_info_ecp_nistz256_add

    .rva    .LSEH_begin_ecp_nistz256_sub
    .rva    .LSEH_end_ecp_nistz256_sub
    .rva    .LSEH_info_ecp_nistz256_sub

    .rva    .LSEH_begin_ecp_nistz256_neg
    .rva    .LSEH_end_ecp_nistz256_neg
    .rva    .LSEH_info_ecp_nistz256_neg

    .rva    .LSEH_begin_ecp_nistz256_ord_mul_mont
    .rva    .LSEH_end_ecp_nistz256_ord_mul_mont
    .rva    .LSEH_info_ecp_nistz256_ord_mul_mont

    .rva    .LSEH_begin_ecp_nistz256_ord_sqr_mont
    .rva    .LSEH_end_ecp_nistz256_ord_sqr_mont
    .rva    .LSEH_info_ecp_nistz256_ord_sqr_mont
___
$code.=<<___    if ($addx);
    .rva    .LSEH_begin_ecp_nistz256_ord_mul_montx
    .rva    .LSEH_end_ecp_nistz256_ord_mul_montx
    .rva    .LSEH_info_ecp_nistz256_ord_mul_montx

    .rva    .LSEH_begin_ecp_nistz256_ord_sqr_montx
    .rva    .LSEH_end_ecp_nistz256_ord_sqr_montx
    .rva    .LSEH_info_ecp_nistz256_ord_sqr_montx
___
$code.=<<___;
    .rva    .LSEH_begin_ecp_nistz256_to_mont
    .rva    .LSEH_end_ecp_nistz256_to_mont
    .rva    .LSEH_info_ecp_nistz256_to_mont

    .rva    .LSEH_begin_ecp_nistz256_mul_mont
    .rva    .LSEH_end_ecp_nistz256_mul_mont
    .rva    .LSEH_info_ecp_nistz256_mul_mont

    .rva    .LSEH_begin_ecp_nistz256_sqr_mont
    .rva    .LSEH_end_ecp_nistz256_sqr_mont
    .rva    .LSEH_info_ecp_nistz256_sqr_mont

    .rva    .LSEH_begin_ecp_nistz256_from_mont
    .rva    .LSEH_end_ecp_nistz256_from_mont
    .rva    .LSEH_info_ecp_nistz256_from_mont

    .rva    .LSEH_begin_ecp_nistz256_gather_w5
    .rva    .LSEH_end_ecp_nistz256_gather_w5
    .rva    .LSEH_info_ecp_nistz256_gather_wX

    .rva    .LSEH_begin_ecp_nistz256_gather_w7
    .rva    .LSEH_end_ecp_nistz256_gather_w7
    .rva    .LSEH_info_ecp_nistz256_gather_wX
___
$code.=<<___    if ($avx>1);
    .rva    .LSEH_begin_ecp_nistz256_avx2_gather_w5
    .rva    .LSEH_end_ecp_nistz256_avx2_gather_w5
    .rva    .LSEH_info_ecp_nistz256_avx2_gather_wX

    .rva    .LSEH_begin_ecp_nistz256_avx2_gather_w7
    .rva    .LSEH_end_ecp_nistz256_avx2_gather_w7
    .rva    .LSEH_info_ecp_nistz256_avx2_gather_wX
___
$code.=<<___;
    .rva    .LSEH_begin_ecp_nistz256_point_double
    .rva    .LSEH_end_ecp_nistz256_point_double
    .rva    .LSEH_info_ecp_nistz256_point_double

    .rva    .LSEH_begin_ecp_nistz256_point_add
    .rva    .LSEH_end_ecp_nistz256_point_add
    .rva    .LSEH_info_ecp_nistz256_point_add

    .rva    .LSEH_begin_ecp_nistz256_point_add_affine
    .rva    .LSEH_end_ecp_nistz256_point_add_affine
    .rva    .LSEH_info_ecp_nistz256_point_add_affine
___
$code.=<<___ if ($addx);
    .rva    .LSEH_begin_ecp_nistz256_point_doublex
    .rva    .LSEH_end_ecp_nistz256_point_doublex
    .rva    .LSEH_info_ecp_nistz256_point_doublex

    .rva    .LSEH_begin_ecp_nistz256_point_addx
    .rva    .LSEH_end_ecp_nistz256_point_addx
    .rva    .LSEH_info_ecp_nistz256_point_addx

    .rva    .LSEH_begin_ecp_nistz256_point_add_affinex
    .rva    .LSEH_end_ecp_nistz256_point_add_affinex
    .rva    .LSEH_info_ecp_nistz256_point_add_affinex
___
$code.=<<___;

.section    .xdata
.align    8
.LSEH_info_ecp_nistz256_mul_by_2:
    .byte    9,0,0,0
    .rva    short_handler
    .rva    .Lmul_by_2_body,.Lmul_by_2_epilogue    # HandlerData[]
.LSEH_info_ecp_nistz256_div_by_2:
    .byte    9,0,0,0
    .rva    short_handler
    .rva    .Ldiv_by_2_body,.Ldiv_by_2_epilogue    # HandlerData[]
.LSEH_info_ecp_nistz256_mul_by_3:
    .byte    9,0,0,0
    .rva    short_handler
    .rva    .Lmul_by_3_body,.Lmul_by_3_epilogue    # HandlerData[]
.LSEH_info_ecp_nistz256_add:
    .byte    9,0,0,0
    .rva    short_handler
    .rva    .Ladd_body,.Ladd_epilogue        # HandlerData[]
.LSEH_info_ecp_nistz256_sub:
    .byte    9,0,0,0
    .rva    short_handler
    .rva    .Lsub_body,.Lsub_epilogue        # HandlerData[]
.LSEH_info_ecp_nistz256_neg:
    .byte    9,0,0,0
    .rva    short_handler
    .rva    .Lneg_body,.Lneg_epilogue        # HandlerData[]
.LSEH_info_ecp_nistz256_ord_mul_mont:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lord_mul_body,.Lord_mul_epilogue    # HandlerData[]
    .long    48,0
.LSEH_info_ecp_nistz256_ord_sqr_mont:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lord_sqr_body,.Lord_sqr_epilogue    # HandlerData[]
    .long    48,0
___
$code.=<<___ if ($addx);
.LSEH_info_ecp_nistz256_ord_mul_montx:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lord_mulx_body,.Lord_mulx_epilogue    # HandlerData[]
    .long    48,0
.LSEH_info_ecp_nistz256_ord_sqr_montx:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lord_sqrx_body,.Lord_sqrx_epilogue    # HandlerData[]
    .long    48,0
___
$code.=<<___;
.LSEH_info_ecp_nistz256_to_mont:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lmul_body,.Lmul_epilogue        # HandlerData[]
    .long    48,0
.LSEH_info_ecp_nistz256_mul_mont:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lmul_body,.Lmul_epilogue        # HandlerData[]
    .long    48,0
.LSEH_info_ecp_nistz256_sqr_mont:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lsqr_body,.Lsqr_epilogue        # HandlerData[]
    .long    48,0
.LSEH_info_ecp_nistz256_from_mont:
    .byte    9,0,0,0
    .rva    short_handler
    .rva    .Lfrom_body,.Lfrom_epilogue        # HandlerData[]
.LSEH_info_ecp_nistz256_gather_wX:
    .byte    0x01,0x33,0x16,0x00
    .byte    0x33,0xf8,0x09,0x00    #movaps 0x90(rsp),xmm15
    .byte    0x2e,0xe8,0x08,0x00    #movaps 0x80(rsp),xmm14
    .byte    0x29,0xd8,0x07,0x00    #movaps 0x70(rsp),xmm13
    .byte    0x24,0xc8,0x06,0x00    #movaps 0x60(rsp),xmm12
    .byte    0x1f,0xb8,0x05,0x00    #movaps 0x50(rsp),xmm11
    .byte    0x1a,0xa8,0x04,0x00    #movaps 0x40(rsp),xmm10
    .byte    0x15,0x98,0x03,0x00    #movaps 0x30(rsp),xmm9
    .byte    0x10,0x88,0x02,0x00    #movaps 0x20(rsp),xmm8
    .byte    0x0c,0x78,0x01,0x00    #movaps 0x10(rsp),xmm7
    .byte    0x08,0x68,0x00,0x00    #movaps 0x00(rsp),xmm6
    .byte    0x04,0x01,0x15,0x00    #sub    rsp,0xa8
    .align    8
___
$code.=<<___    if ($avx>1);
.LSEH_info_ecp_nistz256_avx2_gather_wX:
    .byte    0x01,0x36,0x17,0x0b
    .byte    0x36,0xf8,0x09,0x00    # vmovaps 0x90(rsp),xmm15
    .byte    0x31,0xe8,0x08,0x00    # vmovaps 0x80(rsp),xmm14
    .byte    0x2c,0xd8,0x07,0x00    # vmovaps 0x70(rsp),xmm13
    .byte    0x27,0xc8,0x06,0x00    # vmovaps 0x60(rsp),xmm12
    .byte    0x22,0xb8,0x05,0x00    # vmovaps 0x50(rsp),xmm11
    .byte    0x1d,0xa8,0x04,0x00    # vmovaps 0x40(rsp),xmm10
    .byte    0x18,0x98,0x03,0x00    # vmovaps 0x30(rsp),xmm9
    .byte    0x13,0x88,0x02,0x00    # vmovaps 0x20(rsp),xmm8
    .byte    0x0e,0x78,0x01,0x00    # vmovaps 0x10(rsp),xmm7
    .byte    0x09,0x68,0x00,0x00    # vmovaps 0x00(rsp),xmm6
    .byte    0x04,0x01,0x15,0x00    # sub      rsp,0xa8
    .byte    0x00,0xb3,0x00,0x00    # set_frame r11
    .align    8
___
$code.=<<___;
.LSEH_info_ecp_nistz256_point_double:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lpoint_doubleq_body,.Lpoint_doubleq_epilogue    # HandlerData[]
    .long    32*5+56,0
.LSEH_info_ecp_nistz256_point_add:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lpoint_addq_body,.Lpoint_addq_epilogue        # HandlerData[]
    .long    32*18+56,0
.LSEH_info_ecp_nistz256_point_add_affine:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Ladd_affineq_body,.Ladd_affineq_epilogue    # HandlerData[]
    .long    32*15+56,0
___
$code.=<<___ if ($addx);
.align    8
.LSEH_info_ecp_nistz256_point_doublex:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lpoint_doublex_body,.Lpoint_doublex_epilogue    # HandlerData[]
    .long    32*5+56,0
.LSEH_info_ecp_nistz256_point_addx:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Lpoint_addx_body,.Lpoint_addx_epilogue        # HandlerData[]
    .long    32*18+56,0
.LSEH_info_ecp_nistz256_point_add_affinex:
    .byte    9,0,0,0
    .rva    full_handler
    .rva    .Ladd_affinex_body,.Ladd_affinex_epilogue    # HandlerData[]
    .long    32*15+56,0
___
}

########################################################################
# Convert ecp_nistz256_table.c to layout expected by ecp_nistz_gather_w7
#
open TABLE,"<ecp_nistz256_table.c"        or
open TABLE,"<${dir}../ecp_nistz256_table.c"    or
die "failed to open ecp_nistz256_table.c:",$!;

use integer;

foreach(<TABLE>) {
    s/TOBN\(\s*(0x[0-9a-f]+),\s*(0x[0-9a-f]+)\s*\)/push @arr,hex($2),hex($1)/geo;
}
close TABLE;

die "insane number of elements" if ($#arr != 64*16*37-1);

print <<___;
.text
.globl    ecp_nistz256_precomputed
.type    ecp_nistz256_precomputed,\@object
.align    4096
ecp_nistz256_precomputed:
___
while (@line=splice(@arr,0,16)) {
    print ".long\t",join(',',map { sprintf "0x%08x",$_} @line),"\n";
}
print <<___;
.size    ecp_nistz256_precomputed,.-ecp_nistz256_precomputed
___

$code =~ s/\`([^\`]*)\`/eval $1/gem;
print $code;
close STDOUT or die "error closing STDOUT: $!";

:: Command execute ::

Enter:
 
Select:
 

:: Search ::
  - regexp 

:: Upload ::
 
[ ok ]

:: Make Dir ::
 
[ ok ]
:: Make File ::
 
[ ok ]

:: Go Dir ::
 
:: Go File ::
 

--[ c99shell v. 2.1 [PHP 8 Update] [02.02.2022] maintained byC99Shell Github | Generation time: 0.5118 ]--