diff --git a/crypto_kem/ntruhps2048509/META.yml b/crypto_kem/ntruhps2048509/META.yml
index 886fef34..98f7b76c 100644
--- a/crypto_kem/ntruhps2048509/META.yml
+++ b/crypto_kem/ntruhps2048509/META.yml
@@ -23,9 +23,9 @@ auxiliary-submitters:
   - Zhenfei Zhang
 implementations:
     - name: clean
-      version: https://github.com/jschanck/ntru/tree/2d4df948 reference implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a reference implementation
     - name: avx2
-      version: https://github.com/jschanck/ntru/tree/2d4df948 avx2 implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a avx2 implementation
       supported_platforms:
           - architecture: x86_64
             operating_systems:
diff --git a/crypto_kem/ntruhps2048509/avx2/owcpa.c b/crypto_kem/ntruhps2048509/avx2/owcpa.c
index ca793e59..0bb43436 100644
--- a/crypto_kem/ntruhps2048509/avx2/owcpa.c
+++ b/crypto_kem/ntruhps2048509/avx2/owcpa.c
@@ -2,40 +2,59 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 static int owcpa_check_m(const poly *m) {
-    /* Check that m is in message space. */
-    /* Note: Assumes that m has coefficients in {0,1,2}. */
+    /* Check that m is in message space, i.e.                  */
+    /*  (1)  |{i : m[i] = 1}| = |{i : m[i] = 2}|, and          */
+    /*  (2)  |{i : m[i] != 0}| = NTRU_WEIGHT.                  */
+    /* Note: We may assume that m has coefficients in {0,1,2}. */
+
     int i;
-    uint64_t t = 0;
-    uint16_t p1 = 0;
-    uint16_t m1 = 0;
+    uint32_t t = 0;
+    uint16_t ps = 0;
+    uint16_t ms = 0;
     for (i = 0; i < NTRU_N; i++) {
-        p1 += m->coeffs[i] & 0x01;
-        m1 += (m->coeffs[i] & 0x02) >> 1;
+        ps += m->coeffs[i] & 1;
+        ms += m->coeffs[i] & 2;
     }
-    /* Need p1 = m1 and p1 + m1 = NTRU_WEIGHT */
-    t |= p1 ^ m1;
-    t |= (p1 + m1) ^ NTRU_WEIGHT;
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= ps ^ (ms >> 1);   /* 0 if (1) holds */
+    t |= ms ^ NTRU_WEIGHT; /* 0 if (1) and (2) hold */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 void PQCLEAN_NTRUHPS2048509_AVX2_owcpa_keypair(unsigned char *pk,
@@ -125,8 +144,8 @@ int PQCLEAN_NTRUHPS2048509_AVX2_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhps2048509/avx2/poly_rq_to_s3.s b/crypto_kem/ntruhps2048509/avx2/poly_rq_to_s3.s
index 72f37da9..0ee58c97 100644
--- a/crypto_kem/ntruhps2048509/avx2/poly_rq_to_s3.s
+++ b/crypto_kem/ntruhps2048509/avx2/poly_rq_to_s3.s
@@ -1,55 +1,5 @@
 .data
 .p2align 5
-const_3_repeating:
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-shuf_b8_to_low_doubleword:
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
 mask_modq:
 .word 2047
 .word 2047
@@ -123,833 +73,768 @@ mask_3:
 .global _PQCLEAN_NTRUHPS2048509_AVX2_poly_Rq_to_S3
 PQCLEAN_NTRUHPS2048509_AVX2_poly_Rq_to_S3:
 _PQCLEAN_NTRUHPS2048509_AVX2_poly_Rq_to_S3:
-vmovdqa const_3_repeating(%rip), %ymm3
 vmovdqa mask_modq(%rip), %ymm6
-vmovdqa 992(%rsi), %ymm4
-vpand %ymm6, %ymm4, %ymm4
-vpsrlw $10, %ymm4, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm4
-vpsrlw $8, %ymm4, %ymm5
-vpand mask_ff(%rip), %ymm4, %ymm4
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm4
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vmovdqa 992(%rsi), %ymm5
+vpand %ymm6, %ymm5, %ymm5
+vpermq $3, %ymm5, %ymm5
+vpslld $16, %ymm5, %ymm1
+vpsrld $16, %ymm1, %ymm5
+vpor %ymm5, %ymm1, %ymm5
+vbroadcastss %xmm5, %ymm5
+vpsrlw $10, %ymm5, %ymm1
+vpaddw %ymm5, %ymm1, %ymm5
+vpsrlw $8, %ymm5, %ymm1
+vpand mask_ff(%rip), %ymm5, %ymm5
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm5
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm4
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm4, %ymm5
-vpsllw $1, %ymm5, %ymm4
-vextracti128 $1, %ymm4, %xmm4
-vpshufb shuf_b8_to_low_doubleword(%rip), %ymm4, %ymm4
-vinserti128 $1, %xmm4, %ymm4, %ymm4
-vmovdqa 0(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpandn %ymm14, %ymm15, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm5, %ymm1
+vpsllw $1, %ymm1, %ymm5
+vmovdqa 0(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 0(%rdi)
-vmovdqa 32(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 0(%rdi)
+vmovdqa 32(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 32(%rdi)
-vmovdqa 64(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 32(%rdi)
+vmovdqa 64(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 64(%rdi)
-vmovdqa 96(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 64(%rdi)
+vmovdqa 96(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 96(%rdi)
-vmovdqa 128(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 96(%rdi)
+vmovdqa 128(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 128(%rdi)
-vmovdqa 160(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 128(%rdi)
+vmovdqa 160(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 160(%rdi)
-vmovdqa 192(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 160(%rdi)
+vmovdqa 192(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 192(%rdi)
-vmovdqa 224(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 192(%rdi)
+vmovdqa 224(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 224(%rdi)
-vmovdqa 256(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 224(%rdi)
+vmovdqa 256(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 256(%rdi)
-vmovdqa 288(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 256(%rdi)
+vmovdqa 288(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 288(%rdi)
-vmovdqa 320(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 288(%rdi)
+vmovdqa 320(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 320(%rdi)
-vmovdqa 352(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 320(%rdi)
+vmovdqa 352(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 352(%rdi)
-vmovdqa 384(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 352(%rdi)
+vmovdqa 384(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 384(%rdi)
-vmovdqa 416(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 384(%rdi)
+vmovdqa 416(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 416(%rdi)
-vmovdqa 448(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 416(%rdi)
+vmovdqa 448(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 448(%rdi)
-vmovdqa 480(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 448(%rdi)
+vmovdqa 480(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 480(%rdi)
-vmovdqa 512(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 480(%rdi)
+vmovdqa 512(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 512(%rdi)
-vmovdqa 544(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 512(%rdi)
+vmovdqa 544(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 544(%rdi)
-vmovdqa 576(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 544(%rdi)
+vmovdqa 576(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 576(%rdi)
-vmovdqa 608(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 576(%rdi)
+vmovdqa 608(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 608(%rdi)
-vmovdqa 640(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 608(%rdi)
+vmovdqa 640(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 640(%rdi)
-vmovdqa 672(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 640(%rdi)
+vmovdqa 672(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 672(%rdi)
-vmovdqa 704(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 672(%rdi)
+vmovdqa 704(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 704(%rdi)
-vmovdqa 736(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 704(%rdi)
+vmovdqa 736(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 736(%rdi)
-vmovdqa 768(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 736(%rdi)
+vmovdqa 768(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 768(%rdi)
-vmovdqa 800(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 768(%rdi)
+vmovdqa 800(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 800(%rdi)
-vmovdqa 832(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 800(%rdi)
+vmovdqa 832(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 832(%rdi)
-vmovdqa 864(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 832(%rdi)
+vmovdqa 864(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 864(%rdi)
-vmovdqa 896(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 864(%rdi)
+vmovdqa 896(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 896(%rdi)
-vmovdqa 928(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 896(%rdi)
+vmovdqa 928(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 928(%rdi)
-vmovdqa 960(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 928(%rdi)
+vmovdqa 960(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 960(%rdi)
-vmovdqa 992(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 960(%rdi)
+vmovdqa 992(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 992(%rdi)
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 992(%rdi)
 ret
diff --git a/crypto_kem/ntruhps2048509/clean/owcpa.c b/crypto_kem/ntruhps2048509/clean/owcpa.c
index 8bd2ed20..c2b169be 100644
--- a/crypto_kem/ntruhps2048509/clean/owcpa.c
+++ b/crypto_kem/ntruhps2048509/clean/owcpa.c
@@ -2,40 +2,59 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 static int owcpa_check_m(const poly *m) {
-    /* Check that m is in message space. */
-    /* Note: Assumes that m has coefficients in {0,1,2}. */
+    /* Check that m is in message space, i.e.                  */
+    /*  (1)  |{i : m[i] = 1}| = |{i : m[i] = 2}|, and          */
+    /*  (2)  |{i : m[i] != 0}| = NTRU_WEIGHT.                  */
+    /* Note: We may assume that m has coefficients in {0,1,2}. */
+
     int i;
-    uint64_t t = 0;
-    uint16_t p1 = 0;
-    uint16_t m1 = 0;
+    uint32_t t = 0;
+    uint16_t ps = 0;
+    uint16_t ms = 0;
     for (i = 0; i < NTRU_N; i++) {
-        p1 += m->coeffs[i] & 0x01;
-        m1 += (m->coeffs[i] & 0x02) >> 1;
+        ps += m->coeffs[i] & 1;
+        ms += m->coeffs[i] & 2;
     }
-    /* Need p1 = m1 and p1 + m1 = NTRU_WEIGHT */
-    t |= p1 ^ m1;
-    t |= (p1 + m1) ^ NTRU_WEIGHT;
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= ps ^ (ms >> 1);   /* 0 if (1) holds */
+    t |= ms ^ NTRU_WEIGHT; /* 0 if (1) and (2) hold */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 void PQCLEAN_NTRUHPS2048509_CLEAN_owcpa_keypair(unsigned char *pk,
@@ -125,8 +144,8 @@ int PQCLEAN_NTRUHPS2048509_CLEAN_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhps2048509/clean/poly_mod.c b/crypto_kem/ntruhps2048509/clean/poly_mod.c
index 02ab2543..23238032 100644
--- a/crypto_kem/ntruhps2048509/clean/poly_mod.c
+++ b/crypto_kem/ntruhps2048509/clean/poly_mod.c
@@ -30,14 +30,22 @@ void PQCLEAN_NTRUHPS2048509_CLEAN_poly_mod_q_Phi_n(poly *r) {
 }
 
 void PQCLEAN_NTRUHPS2048509_CLEAN_poly_Rq_to_S3(poly *r, const poly *a) {
-    /* NOTE: Assumes input is in [0,Q-1]^N */
-    /*       Produces output in {0,1,2}^N */
     int i;
+    uint16_t flag;
 
-    /* Center coeffs around 3Q: [0, Q-1] -> [3Q - Q/2, 3Q + Q/2) */
+    /* The coefficients of a are stored as non-negative integers. */
+    /* We must translate to representatives in [-q/2, q/2) before */
+    /* reduction mod 3.                                           */
     for (i = 0; i < NTRU_N; i++) {
-        r->coeffs[i] = ((MODQ(a->coeffs[i]) >> (NTRU_LOGQ - 1)) ^ 3) << NTRU_LOGQ;
-        r->coeffs[i] += MODQ(a->coeffs[i]);
+        /* Need an explicit reduction mod q here                    */
+        r->coeffs[i] = MODQ(a->coeffs[i]);
+
+        /* flag = 1 if r[i] >= q/2 else 0                            */
+        flag = r->coeffs[i] >> (NTRU_LOGQ - 1);
+
+        /* Now we will add (-q) mod 3 if r[i] >= q/2                 */
+        /* Note (-q) mod 3=(-2^k) mod 3=1<<(1-(k&1))                */
+        r->coeffs[i] += flag << (1 - (NTRU_LOGQ & 1));
     }
 
     PQCLEAN_NTRUHPS2048509_CLEAN_poly_mod_3_Phi_n(r);
diff --git a/crypto_kem/ntruhps2048677/META.yml b/crypto_kem/ntruhps2048677/META.yml
index 739f16cc..523f8415 100644
--- a/crypto_kem/ntruhps2048677/META.yml
+++ b/crypto_kem/ntruhps2048677/META.yml
@@ -23,9 +23,9 @@ auxiliary-submitters:
   - Zhenfei Zhang
 implementations:
     - name: clean
-      version: https://github.com/jschanck/ntru/tree/2d4df948 reference implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a reference implementation
     - name: avx2
-      version: https://github.com/jschanck/ntru/tree/2d4df948 avx2 implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a avx2 implementation
       supported_platforms:
           - architecture: x86_64
             operating_systems:
diff --git a/crypto_kem/ntruhps2048677/avx2/owcpa.c b/crypto_kem/ntruhps2048677/avx2/owcpa.c
index 374b6836..86f3c082 100644
--- a/crypto_kem/ntruhps2048677/avx2/owcpa.c
+++ b/crypto_kem/ntruhps2048677/avx2/owcpa.c
@@ -2,40 +2,59 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 static int owcpa_check_m(const poly *m) {
-    /* Check that m is in message space. */
-    /* Note: Assumes that m has coefficients in {0,1,2}. */
+    /* Check that m is in message space, i.e.                  */
+    /*  (1)  |{i : m[i] = 1}| = |{i : m[i] = 2}|, and          */
+    /*  (2)  |{i : m[i] != 0}| = NTRU_WEIGHT.                  */
+    /* Note: We may assume that m has coefficients in {0,1,2}. */
+
     int i;
-    uint64_t t = 0;
-    uint16_t p1 = 0;
-    uint16_t m1 = 0;
+    uint32_t t = 0;
+    uint16_t ps = 0;
+    uint16_t ms = 0;
     for (i = 0; i < NTRU_N; i++) {
-        p1 += m->coeffs[i] & 0x01;
-        m1 += (m->coeffs[i] & 0x02) >> 1;
+        ps += m->coeffs[i] & 1;
+        ms += m->coeffs[i] & 2;
     }
-    /* Need p1 = m1 and p1 + m1 = NTRU_WEIGHT */
-    t |= p1 ^ m1;
-    t |= (p1 + m1) ^ NTRU_WEIGHT;
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= ps ^ (ms >> 1);   /* 0 if (1) holds */
+    t |= ms ^ NTRU_WEIGHT; /* 0 if (1) and (2) hold */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 void PQCLEAN_NTRUHPS2048677_AVX2_owcpa_keypair(unsigned char *pk,
@@ -125,8 +144,8 @@ int PQCLEAN_NTRUHPS2048677_AVX2_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhps2048677/avx2/poly_rq_to_s3.s b/crypto_kem/ntruhps2048677/avx2/poly_rq_to_s3.s
index 1ba8a698..59297eb2 100644
--- a/crypto_kem/ntruhps2048677/avx2/poly_rq_to_s3.s
+++ b/crypto_kem/ntruhps2048677/avx2/poly_rq_to_s3.s
@@ -1,55 +1,5 @@
 .data
 .p2align 5
-const_3_repeating:
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-shuf_b8_to_low_doubleword:
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
 mask_modq:
 .word 2047
 .word 2047
@@ -123,1133 +73,1044 @@ mask_3:
 .global _PQCLEAN_NTRUHPS2048677_AVX2_poly_Rq_to_S3
 PQCLEAN_NTRUHPS2048677_AVX2_poly_Rq_to_S3:
 _PQCLEAN_NTRUHPS2048677_AVX2_poly_Rq_to_S3:
-vmovdqa const_3_repeating(%rip), %ymm3
 vmovdqa mask_modq(%rip), %ymm6
-vmovdqa 1376(%rsi), %ymm4
-vpand %ymm6, %ymm4, %ymm4
-vpsrlw $10, %ymm4, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm4
-vpsrlw $8, %ymm4, %ymm5
-vpand mask_ff(%rip), %ymm4, %ymm4
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm4
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vmovdqa 1344(%rsi), %ymm5
+vpand %ymm6, %ymm5, %ymm5
+vpermq $1, %ymm5, %ymm5
+vpslld $16, %ymm5, %ymm1
+vpsrld $16, %ymm1, %ymm5
+vpor %ymm5, %ymm1, %ymm5
+vbroadcastss %xmm5, %ymm5
+vpsrlw $10, %ymm5, %ymm1
+vpaddw %ymm5, %ymm1, %ymm5
+vpsrlw $8, %ymm5, %ymm1
+vpand mask_ff(%rip), %ymm5, %ymm5
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm5
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm4
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm4, %ymm5
-vpsllw $1, %ymm5, %ymm4
-vextracti128 $1, %ymm4, %xmm4
-vpshufb shuf_b8_to_low_doubleword(%rip), %ymm4, %ymm4
-vinserti128 $1, %xmm4, %ymm4, %ymm4
-vmovdqa 0(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpandn %ymm14, %ymm15, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm5, %ymm1
+vpsllw $1, %ymm1, %ymm5
+vmovdqa 0(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 0(%rdi)
-vmovdqa 32(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 0(%rdi)
+vmovdqa 32(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 32(%rdi)
-vmovdqa 64(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 32(%rdi)
+vmovdqa 64(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 64(%rdi)
-vmovdqa 96(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 64(%rdi)
+vmovdqa 96(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 96(%rdi)
-vmovdqa 128(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 96(%rdi)
+vmovdqa 128(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 128(%rdi)
-vmovdqa 160(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 128(%rdi)
+vmovdqa 160(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 160(%rdi)
-vmovdqa 192(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 160(%rdi)
+vmovdqa 192(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 192(%rdi)
-vmovdqa 224(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 192(%rdi)
+vmovdqa 224(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 224(%rdi)
-vmovdqa 256(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 224(%rdi)
+vmovdqa 256(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 256(%rdi)
-vmovdqa 288(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 256(%rdi)
+vmovdqa 288(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 288(%rdi)
-vmovdqa 320(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 288(%rdi)
+vmovdqa 320(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 320(%rdi)
-vmovdqa 352(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 320(%rdi)
+vmovdqa 352(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 352(%rdi)
-vmovdqa 384(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 352(%rdi)
+vmovdqa 384(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 384(%rdi)
-vmovdqa 416(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 384(%rdi)
+vmovdqa 416(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 416(%rdi)
-vmovdqa 448(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 416(%rdi)
+vmovdqa 448(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 448(%rdi)
-vmovdqa 480(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 448(%rdi)
+vmovdqa 480(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 480(%rdi)
-vmovdqa 512(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 480(%rdi)
+vmovdqa 512(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 512(%rdi)
-vmovdqa 544(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 512(%rdi)
+vmovdqa 544(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 544(%rdi)
-vmovdqa 576(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 544(%rdi)
+vmovdqa 576(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 576(%rdi)
-vmovdqa 608(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 576(%rdi)
+vmovdqa 608(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 608(%rdi)
-vmovdqa 640(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 608(%rdi)
+vmovdqa 640(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 640(%rdi)
-vmovdqa 672(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 640(%rdi)
+vmovdqa 672(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 672(%rdi)
-vmovdqa 704(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 672(%rdi)
+vmovdqa 704(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 704(%rdi)
-vmovdqa 736(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 704(%rdi)
+vmovdqa 736(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 736(%rdi)
-vmovdqa 768(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 736(%rdi)
+vmovdqa 768(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 768(%rdi)
-vmovdqa 800(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 768(%rdi)
+vmovdqa 800(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 800(%rdi)
-vmovdqa 832(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 800(%rdi)
+vmovdqa 832(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 832(%rdi)
-vmovdqa 864(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 832(%rdi)
+vmovdqa 864(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 864(%rdi)
-vmovdqa 896(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 864(%rdi)
+vmovdqa 896(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 896(%rdi)
-vmovdqa 928(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 896(%rdi)
+vmovdqa 928(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 928(%rdi)
-vmovdqa 960(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 928(%rdi)
+vmovdqa 960(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 960(%rdi)
-vmovdqa 992(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 960(%rdi)
+vmovdqa 992(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 992(%rdi)
-vmovdqa 1024(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 992(%rdi)
+vmovdqa 1024(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1024(%rdi)
-vmovdqa 1056(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1024(%rdi)
+vmovdqa 1056(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1056(%rdi)
-vmovdqa 1088(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1056(%rdi)
+vmovdqa 1088(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1088(%rdi)
-vmovdqa 1120(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1088(%rdi)
+vmovdqa 1120(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1120(%rdi)
-vmovdqa 1152(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1120(%rdi)
+vmovdqa 1152(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1152(%rdi)
-vmovdqa 1184(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1152(%rdi)
+vmovdqa 1184(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1184(%rdi)
-vmovdqa 1216(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1184(%rdi)
+vmovdqa 1216(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1216(%rdi)
-vmovdqa 1248(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1216(%rdi)
+vmovdqa 1248(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1248(%rdi)
-vmovdqa 1280(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1248(%rdi)
+vmovdqa 1280(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1280(%rdi)
-vmovdqa 1312(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1280(%rdi)
+vmovdqa 1312(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1312(%rdi)
-vmovdqa 1344(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1312(%rdi)
+vmovdqa 1344(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1344(%rdi)
-vmovdqa 1376(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $10, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $11, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1344(%rdi)
+vmovdqa 1376(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $10, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1376(%rdi)
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1376(%rdi)
 ret
diff --git a/crypto_kem/ntruhps2048677/clean/owcpa.c b/crypto_kem/ntruhps2048677/clean/owcpa.c
index 261553d7..2128b054 100644
--- a/crypto_kem/ntruhps2048677/clean/owcpa.c
+++ b/crypto_kem/ntruhps2048677/clean/owcpa.c
@@ -2,40 +2,59 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 static int owcpa_check_m(const poly *m) {
-    /* Check that m is in message space. */
-    /* Note: Assumes that m has coefficients in {0,1,2}. */
+    /* Check that m is in message space, i.e.                  */
+    /*  (1)  |{i : m[i] = 1}| = |{i : m[i] = 2}|, and          */
+    /*  (2)  |{i : m[i] != 0}| = NTRU_WEIGHT.                  */
+    /* Note: We may assume that m has coefficients in {0,1,2}. */
+
     int i;
-    uint64_t t = 0;
-    uint16_t p1 = 0;
-    uint16_t m1 = 0;
+    uint32_t t = 0;
+    uint16_t ps = 0;
+    uint16_t ms = 0;
     for (i = 0; i < NTRU_N; i++) {
-        p1 += m->coeffs[i] & 0x01;
-        m1 += (m->coeffs[i] & 0x02) >> 1;
+        ps += m->coeffs[i] & 1;
+        ms += m->coeffs[i] & 2;
     }
-    /* Need p1 = m1 and p1 + m1 = NTRU_WEIGHT */
-    t |= p1 ^ m1;
-    t |= (p1 + m1) ^ NTRU_WEIGHT;
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= ps ^ (ms >> 1);   /* 0 if (1) holds */
+    t |= ms ^ NTRU_WEIGHT; /* 0 if (1) and (2) hold */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 void PQCLEAN_NTRUHPS2048677_CLEAN_owcpa_keypair(unsigned char *pk,
@@ -125,8 +144,8 @@ int PQCLEAN_NTRUHPS2048677_CLEAN_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhps2048677/clean/poly_mod.c b/crypto_kem/ntruhps2048677/clean/poly_mod.c
index 5bd675e7..d0482327 100644
--- a/crypto_kem/ntruhps2048677/clean/poly_mod.c
+++ b/crypto_kem/ntruhps2048677/clean/poly_mod.c
@@ -30,14 +30,22 @@ void PQCLEAN_NTRUHPS2048677_CLEAN_poly_mod_q_Phi_n(poly *r) {
 }
 
 void PQCLEAN_NTRUHPS2048677_CLEAN_poly_Rq_to_S3(poly *r, const poly *a) {
-    /* NOTE: Assumes input is in [0,Q-1]^N */
-    /*       Produces output in {0,1,2}^N */
     int i;
+    uint16_t flag;
 
-    /* Center coeffs around 3Q: [0, Q-1] -> [3Q - Q/2, 3Q + Q/2) */
+    /* The coefficients of a are stored as non-negative integers. */
+    /* We must translate to representatives in [-q/2, q/2) before */
+    /* reduction mod 3.                                           */
     for (i = 0; i < NTRU_N; i++) {
-        r->coeffs[i] = ((MODQ(a->coeffs[i]) >> (NTRU_LOGQ - 1)) ^ 3) << NTRU_LOGQ;
-        r->coeffs[i] += MODQ(a->coeffs[i]);
+        /* Need an explicit reduction mod q here                    */
+        r->coeffs[i] = MODQ(a->coeffs[i]);
+
+        /* flag = 1 if r[i] >= q/2 else 0                            */
+        flag = r->coeffs[i] >> (NTRU_LOGQ - 1);
+
+        /* Now we will add (-q) mod 3 if r[i] >= q/2                 */
+        /* Note (-q) mod 3=(-2^k) mod 3=1<<(1-(k&1))                */
+        r->coeffs[i] += flag << (1 - (NTRU_LOGQ & 1));
     }
 
     PQCLEAN_NTRUHPS2048677_CLEAN_poly_mod_3_Phi_n(r);
diff --git a/crypto_kem/ntruhps4096821/META.yml b/crypto_kem/ntruhps4096821/META.yml
index ef13b3a3..f250a5f1 100644
--- a/crypto_kem/ntruhps4096821/META.yml
+++ b/crypto_kem/ntruhps4096821/META.yml
@@ -23,9 +23,9 @@ auxiliary-submitters:
   - Zhenfei Zhang
 implementations:
     - name: clean
-      version: https://github.com/jschanck/ntru/tree/2d4df948 reference implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a reference implementation
     - name: avx2
-      version: https://github.com/jschanck/ntru/tree/2d4df948 avx2 implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a avx2 implementation
       supported_platforms:
           - architecture: x86_64
             operating_systems:
diff --git a/crypto_kem/ntruhps4096821/avx2/owcpa.c b/crypto_kem/ntruhps4096821/avx2/owcpa.c
index 36cdafd0..6a73b097 100644
--- a/crypto_kem/ntruhps4096821/avx2/owcpa.c
+++ b/crypto_kem/ntruhps4096821/avx2/owcpa.c
@@ -2,40 +2,59 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 static int owcpa_check_m(const poly *m) {
-    /* Check that m is in message space. */
-    /* Note: Assumes that m has coefficients in {0,1,2}. */
+    /* Check that m is in message space, i.e.                  */
+    /*  (1)  |{i : m[i] = 1}| = |{i : m[i] = 2}|, and          */
+    /*  (2)  |{i : m[i] != 0}| = NTRU_WEIGHT.                  */
+    /* Note: We may assume that m has coefficients in {0,1,2}. */
+
     int i;
-    uint64_t t = 0;
-    uint16_t p1 = 0;
-    uint16_t m1 = 0;
+    uint32_t t = 0;
+    uint16_t ps = 0;
+    uint16_t ms = 0;
     for (i = 0; i < NTRU_N; i++) {
-        p1 += m->coeffs[i] & 0x01;
-        m1 += (m->coeffs[i] & 0x02) >> 1;
+        ps += m->coeffs[i] & 1;
+        ms += m->coeffs[i] & 2;
     }
-    /* Need p1 = m1 and p1 + m1 = NTRU_WEIGHT */
-    t |= p1 ^ m1;
-    t |= (p1 + m1) ^ NTRU_WEIGHT;
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= ps ^ (ms >> 1);   /* 0 if (1) holds */
+    t |= ms ^ NTRU_WEIGHT; /* 0 if (1) and (2) hold */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 void PQCLEAN_NTRUHPS4096821_AVX2_owcpa_keypair(unsigned char *pk,
@@ -125,8 +144,8 @@ int PQCLEAN_NTRUHPS4096821_AVX2_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhps4096821/avx2/poly_rq_to_s3.s b/crypto_kem/ntruhps4096821/avx2/poly_rq_to_s3.s
index 0f8d30a3..584d0035 100644
--- a/crypto_kem/ntruhps4096821/avx2/poly_rq_to_s3.s
+++ b/crypto_kem/ntruhps4096821/avx2/poly_rq_to_s3.s
@@ -1,55 +1,5 @@
 .data
 .p2align 5
-const_3_repeating:
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-shuf_b8_to_low_doubleword:
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
 mask_modq:
 .word 4095
 .word 4095
@@ -123,1333 +73,1281 @@ mask_3:
 .global _PQCLEAN_NTRUHPS4096821_AVX2_poly_Rq_to_S3
 PQCLEAN_NTRUHPS4096821_AVX2_poly_Rq_to_S3:
 _PQCLEAN_NTRUHPS4096821_AVX2_poly_Rq_to_S3:
-vmovdqa const_3_repeating(%rip), %ymm3
 vmovdqa mask_modq(%rip), %ymm6
-vmovdqa 1632(%rsi), %ymm4
-vpand %ymm6, %ymm4, %ymm4
-vpsrlw $11, %ymm4, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm4
-vpsrlw $8, %ymm4, %ymm5
-vpand mask_ff(%rip), %ymm4, %ymm4
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm4
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vmovdqa 1632(%rsi), %ymm5
+vpand %ymm6, %ymm5, %ymm5
+vpermq $1, %ymm5, %ymm5
+vpslld $16, %ymm5, %ymm1
+vpsrld $16, %ymm1, %ymm5
+vpor %ymm5, %ymm1, %ymm5
+vbroadcastss %xmm5, %ymm5
+vpsrlw $11, %ymm5, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm5, %ymm1, %ymm5
+vpsrlw $8, %ymm5, %ymm1
+vpand mask_ff(%rip), %ymm5, %ymm5
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm5
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm4
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm4, %ymm5
-vpsllw $1, %ymm5, %ymm4
-vextracti128 $1, %ymm4, %xmm4
-vpshufb shuf_b8_to_low_doubleword(%rip), %ymm4, %ymm4
-vinserti128 $1, %xmm4, %ymm4, %ymm4
-vmovdqa 0(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpandn %ymm14, %ymm15, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm5, %ymm1
+vpsllw $1, %ymm1, %ymm5
+vmovdqa 0(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 0(%rdi)
-vmovdqa 32(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 0(%rdi)
+vmovdqa 32(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 32(%rdi)
-vmovdqa 64(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 32(%rdi)
+vmovdqa 64(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 64(%rdi)
-vmovdqa 96(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 64(%rdi)
+vmovdqa 96(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 96(%rdi)
-vmovdqa 128(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 96(%rdi)
+vmovdqa 128(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 128(%rdi)
-vmovdqa 160(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 128(%rdi)
+vmovdqa 160(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 160(%rdi)
-vmovdqa 192(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 160(%rdi)
+vmovdqa 192(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 192(%rdi)
-vmovdqa 224(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 192(%rdi)
+vmovdqa 224(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 224(%rdi)
-vmovdqa 256(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 224(%rdi)
+vmovdqa 256(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 256(%rdi)
-vmovdqa 288(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 256(%rdi)
+vmovdqa 288(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 288(%rdi)
-vmovdqa 320(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 288(%rdi)
+vmovdqa 320(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 320(%rdi)
-vmovdqa 352(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 320(%rdi)
+vmovdqa 352(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 352(%rdi)
-vmovdqa 384(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 352(%rdi)
+vmovdqa 384(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 384(%rdi)
-vmovdqa 416(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 384(%rdi)
+vmovdqa 416(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 416(%rdi)
-vmovdqa 448(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 416(%rdi)
+vmovdqa 448(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 448(%rdi)
-vmovdqa 480(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 448(%rdi)
+vmovdqa 480(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 480(%rdi)
-vmovdqa 512(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 480(%rdi)
+vmovdqa 512(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 512(%rdi)
-vmovdqa 544(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 512(%rdi)
+vmovdqa 544(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 544(%rdi)
-vmovdqa 576(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 544(%rdi)
+vmovdqa 576(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 576(%rdi)
-vmovdqa 608(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 576(%rdi)
+vmovdqa 608(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 608(%rdi)
-vmovdqa 640(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 608(%rdi)
+vmovdqa 640(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 640(%rdi)
-vmovdqa 672(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 640(%rdi)
+vmovdqa 672(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 672(%rdi)
-vmovdqa 704(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 672(%rdi)
+vmovdqa 704(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 704(%rdi)
-vmovdqa 736(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 704(%rdi)
+vmovdqa 736(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 736(%rdi)
-vmovdqa 768(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 736(%rdi)
+vmovdqa 768(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 768(%rdi)
-vmovdqa 800(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 768(%rdi)
+vmovdqa 800(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 800(%rdi)
-vmovdqa 832(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 800(%rdi)
+vmovdqa 832(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 832(%rdi)
-vmovdqa 864(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 832(%rdi)
+vmovdqa 864(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 864(%rdi)
-vmovdqa 896(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 864(%rdi)
+vmovdqa 896(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 896(%rdi)
-vmovdqa 928(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 896(%rdi)
+vmovdqa 928(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 928(%rdi)
-vmovdqa 960(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 928(%rdi)
+vmovdqa 960(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 960(%rdi)
-vmovdqa 992(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 960(%rdi)
+vmovdqa 992(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 992(%rdi)
-vmovdqa 1024(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 992(%rdi)
+vmovdqa 1024(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1024(%rdi)
-vmovdqa 1056(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1024(%rdi)
+vmovdqa 1056(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1056(%rdi)
-vmovdqa 1088(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1056(%rdi)
+vmovdqa 1088(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1088(%rdi)
-vmovdqa 1120(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1088(%rdi)
+vmovdqa 1120(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1120(%rdi)
-vmovdqa 1152(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1120(%rdi)
+vmovdqa 1152(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1152(%rdi)
-vmovdqa 1184(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1152(%rdi)
+vmovdqa 1184(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1184(%rdi)
-vmovdqa 1216(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1184(%rdi)
+vmovdqa 1216(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1216(%rdi)
-vmovdqa 1248(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1216(%rdi)
+vmovdqa 1248(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1248(%rdi)
-vmovdqa 1280(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1248(%rdi)
+vmovdqa 1280(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1280(%rdi)
-vmovdqa 1312(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1280(%rdi)
+vmovdqa 1312(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1312(%rdi)
-vmovdqa 1344(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1312(%rdi)
+vmovdqa 1344(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1344(%rdi)
-vmovdqa 1376(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1344(%rdi)
+vmovdqa 1376(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1376(%rdi)
-vmovdqa 1408(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1376(%rdi)
+vmovdqa 1408(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1408(%rdi)
-vmovdqa 1440(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1408(%rdi)
+vmovdqa 1440(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1440(%rdi)
-vmovdqa 1472(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1440(%rdi)
+vmovdqa 1472(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1472(%rdi)
-vmovdqa 1504(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1472(%rdi)
+vmovdqa 1504(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1504(%rdi)
-vmovdqa 1536(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1504(%rdi)
+vmovdqa 1536(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1536(%rdi)
-vmovdqa 1568(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1536(%rdi)
+vmovdqa 1568(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1568(%rdi)
-vmovdqa 1600(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1568(%rdi)
+vmovdqa 1600(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1600(%rdi)
-vmovdqa 1632(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $11, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $12, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1600(%rdi)
+vmovdqa 1632(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $11, %ymm0, %ymm1
+vpsllw $1, %ymm1, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1632(%rdi)
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1632(%rdi)
 ret
diff --git a/crypto_kem/ntruhps4096821/clean/owcpa.c b/crypto_kem/ntruhps4096821/clean/owcpa.c
index d6627caf..9e7964fe 100644
--- a/crypto_kem/ntruhps4096821/clean/owcpa.c
+++ b/crypto_kem/ntruhps4096821/clean/owcpa.c
@@ -2,40 +2,59 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 static int owcpa_check_m(const poly *m) {
-    /* Check that m is in message space. */
-    /* Note: Assumes that m has coefficients in {0,1,2}. */
+    /* Check that m is in message space, i.e.                  */
+    /*  (1)  |{i : m[i] = 1}| = |{i : m[i] = 2}|, and          */
+    /*  (2)  |{i : m[i] != 0}| = NTRU_WEIGHT.                  */
+    /* Note: We may assume that m has coefficients in {0,1,2}. */
+
     int i;
-    uint64_t t = 0;
-    uint16_t p1 = 0;
-    uint16_t m1 = 0;
+    uint32_t t = 0;
+    uint16_t ps = 0;
+    uint16_t ms = 0;
     for (i = 0; i < NTRU_N; i++) {
-        p1 += m->coeffs[i] & 0x01;
-        m1 += (m->coeffs[i] & 0x02) >> 1;
+        ps += m->coeffs[i] & 1;
+        ms += m->coeffs[i] & 2;
     }
-    /* Need p1 = m1 and p1 + m1 = NTRU_WEIGHT */
-    t |= p1 ^ m1;
-    t |= (p1 + m1) ^ NTRU_WEIGHT;
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= ps ^ (ms >> 1);   /* 0 if (1) holds */
+    t |= ms ^ NTRU_WEIGHT; /* 0 if (1) and (2) hold */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 void PQCLEAN_NTRUHPS4096821_CLEAN_owcpa_keypair(unsigned char *pk,
@@ -125,8 +144,8 @@ int PQCLEAN_NTRUHPS4096821_CLEAN_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhps4096821/clean/poly_mod.c b/crypto_kem/ntruhps4096821/clean/poly_mod.c
index 7daa9953..ec83027f 100644
--- a/crypto_kem/ntruhps4096821/clean/poly_mod.c
+++ b/crypto_kem/ntruhps4096821/clean/poly_mod.c
@@ -30,14 +30,22 @@ void PQCLEAN_NTRUHPS4096821_CLEAN_poly_mod_q_Phi_n(poly *r) {
 }
 
 void PQCLEAN_NTRUHPS4096821_CLEAN_poly_Rq_to_S3(poly *r, const poly *a) {
-    /* NOTE: Assumes input is in [0,Q-1]^N */
-    /*       Produces output in {0,1,2}^N */
     int i;
+    uint16_t flag;
 
-    /* Center coeffs around 3Q: [0, Q-1] -> [3Q - Q/2, 3Q + Q/2) */
+    /* The coefficients of a are stored as non-negative integers. */
+    /* We must translate to representatives in [-q/2, q/2) before */
+    /* reduction mod 3.                                           */
     for (i = 0; i < NTRU_N; i++) {
-        r->coeffs[i] = ((MODQ(a->coeffs[i]) >> (NTRU_LOGQ - 1)) ^ 3) << NTRU_LOGQ;
-        r->coeffs[i] += MODQ(a->coeffs[i]);
+        /* Need an explicit reduction mod q here                    */
+        r->coeffs[i] = MODQ(a->coeffs[i]);
+
+        /* flag = 1 if r[i] >= q/2 else 0                            */
+        flag = r->coeffs[i] >> (NTRU_LOGQ - 1);
+
+        /* Now we will add (-q) mod 3 if r[i] >= q/2                 */
+        /* Note (-q) mod 3=(-2^k) mod 3=1<<(1-(k&1))                */
+        r->coeffs[i] += flag << (1 - (NTRU_LOGQ & 1));
     }
 
     PQCLEAN_NTRUHPS4096821_CLEAN_poly_mod_3_Phi_n(r);
diff --git a/crypto_kem/ntruhrss701/META.yml b/crypto_kem/ntruhrss701/META.yml
index f20c263c..1771f7c0 100644
--- a/crypto_kem/ntruhrss701/META.yml
+++ b/crypto_kem/ntruhrss701/META.yml
@@ -23,9 +23,9 @@ auxiliary-submitters:
   - Zhenfei Zhang
 implementations:
     - name: clean
-      version: https://github.com/jschanck/ntru/tree/2d4df948 reference implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a reference implementation
     - name: avx2
-      version: https://github.com/jschanck/ntru/tree/2d4df948 avx2 implementation
+      version: https://github.com/jschanck/ntru/tree/b38a346a avx2 implementation
       supported_platforms:
           - architecture: x86_64
             operating_systems:
diff --git a/crypto_kem/ntruhrss701/avx2/Makefile b/crypto_kem/ntruhrss701/avx2/Makefile
index 6d14410c..d3836d08 100644
--- a/crypto_kem/ntruhrss701/avx2/Makefile
+++ b/crypto_kem/ntruhrss701/avx2/Makefile
@@ -2,9 +2,9 @@
 
 LIB=libntruhrss701_avx2.a
 HEADERS=api.h cmov.h owcpa.h params.h poly.h poly_r2_inv.h sample.h 
-OBJECTS=cmov.o kem.o owcpa.o pack3.o packq.o poly.o poly_r2_inv.o sample.o sample_iid.o  \
+OBJECTS=cmov.o kem.o owcpa.o pack3.o packq.o poly.o poly_r2_inv.o poly_s3_inv.o sample.o sample_iid.o  \
         square_1_701_patience.o square_3_701_patience.o square_6_701_patience.o square_12_701_shufbytes.o square_15_701_shufbytes.o square_27_701_shufbytes.o square_42_701_shufbytes.o square_84_701_shufbytes.o square_168_701_shufbytes.o square_336_701_shufbytes.o  \
-        poly_lift.o poly_mod_3_Phi_n.o poly_mod_q_Phi_n.o poly_r2_mul.o poly_rq_mul.o poly_rq_to_s3.o poly_s3_inv.o  vec32_sample_iid.o
+        poly_lift.o poly_mod_3_Phi_n.o poly_mod_q_Phi_n.o poly_r2_mul.o poly_rq_mul.o poly_rq_to_s3.o  vec32_sample_iid.o
 
 CFLAGS=-O3 -mavx2 -mbmi2 -Wall -Wextra -Wpedantic -Wvla -Werror -Wredundant-decls -Wmissing-prototypes -std=c99 -I../../../common $(EXTRAFLAGS)
 
diff --git a/crypto_kem/ntruhrss701/avx2/owcpa.c b/crypto_kem/ntruhrss701/avx2/owcpa.c
index 72f3447d..a6de2231 100644
--- a/crypto_kem/ntruhrss701/avx2/owcpa.c
+++ b/crypto_kem/ntruhrss701/avx2/owcpa.c
@@ -2,21 +2,37 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 
@@ -108,8 +124,8 @@ int PQCLEAN_NTRUHRSS701_AVX2_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhrss701/avx2/poly_rq_to_s3.s b/crypto_kem/ntruhrss701/avx2/poly_rq_to_s3.s
index b6d959c7..6f5ca974 100644
--- a/crypto_kem/ntruhrss701/avx2/poly_rq_to_s3.s
+++ b/crypto_kem/ntruhrss701/avx2/poly_rq_to_s3.s
@@ -1,55 +1,5 @@
 .data
 .p2align 5
-const_3_repeating:
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-.word 0x3
-shuf_b8_to_low_doubleword:
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
-.byte 8
-.byte 255
 mask_modq:
 .word 8191
 .word 8191
@@ -123,1133 +73,1044 @@ mask_3:
 .global _PQCLEAN_NTRUHRSS701_AVX2_poly_Rq_to_S3
 PQCLEAN_NTRUHRSS701_AVX2_poly_Rq_to_S3:
 _PQCLEAN_NTRUHRSS701_AVX2_poly_Rq_to_S3:
-vmovdqa const_3_repeating(%rip), %ymm3
 vmovdqa mask_modq(%rip), %ymm6
-vmovdqa 1376(%rsi), %ymm4
-vpand %ymm6, %ymm4, %ymm4
-vpsrlw $12, %ymm4, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm4
-vpsrlw $8, %ymm4, %ymm5
-vpand mask_ff(%rip), %ymm4, %ymm4
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm4
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm4
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm4, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vmovdqa 1376(%rsi), %ymm5
+vpand %ymm6, %ymm5, %ymm5
+vpermq $3, %ymm5, %ymm5
+vpslld $16, %ymm5, %ymm1
+vpsrld $16, %ymm1, %ymm5
+vpor %ymm5, %ymm1, %ymm5
+vbroadcastss %xmm5, %ymm5
+vpsrlw $12, %ymm5, %ymm1
+vpaddw %ymm5, %ymm1, %ymm5
+vpsrlw $8, %ymm5, %ymm1
+vpand mask_ff(%rip), %ymm5, %ymm5
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm5
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm5
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm5, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm4
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm4, %ymm5
-vpsllw $1, %ymm5, %ymm4
-vextracti128 $1, %ymm4, %xmm4
-vpshufb shuf_b8_to_low_doubleword(%rip), %ymm4, %ymm4
-vinserti128 $1, %xmm4, %ymm4, %ymm4
-vmovdqa 0(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpandn %ymm14, %ymm15, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm5, %ymm1
+vpsllw $1, %ymm1, %ymm5
+vmovdqa 0(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 0(%rdi)
-vmovdqa 32(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 0(%rdi)
+vmovdqa 32(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 32(%rdi)
-vmovdqa 64(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 32(%rdi)
+vmovdqa 64(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 64(%rdi)
-vmovdqa 96(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 64(%rdi)
+vmovdqa 96(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 96(%rdi)
-vmovdqa 128(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 96(%rdi)
+vmovdqa 128(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 128(%rdi)
-vmovdqa 160(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 128(%rdi)
+vmovdqa 160(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 160(%rdi)
-vmovdqa 192(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 160(%rdi)
+vmovdqa 192(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 192(%rdi)
-vmovdqa 224(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 192(%rdi)
+vmovdqa 224(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 224(%rdi)
-vmovdqa 256(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 224(%rdi)
+vmovdqa 256(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 256(%rdi)
-vmovdqa 288(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 256(%rdi)
+vmovdqa 288(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 288(%rdi)
-vmovdqa 320(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 288(%rdi)
+vmovdqa 320(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 320(%rdi)
-vmovdqa 352(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 320(%rdi)
+vmovdqa 352(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 352(%rdi)
-vmovdqa 384(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 352(%rdi)
+vmovdqa 384(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 384(%rdi)
-vmovdqa 416(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 384(%rdi)
+vmovdqa 416(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 416(%rdi)
-vmovdqa 448(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 416(%rdi)
+vmovdqa 448(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 448(%rdi)
-vmovdqa 480(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 448(%rdi)
+vmovdqa 480(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 480(%rdi)
-vmovdqa 512(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 480(%rdi)
+vmovdqa 512(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 512(%rdi)
-vmovdqa 544(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 512(%rdi)
+vmovdqa 544(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 544(%rdi)
-vmovdqa 576(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 544(%rdi)
+vmovdqa 576(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 576(%rdi)
-vmovdqa 608(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 576(%rdi)
+vmovdqa 608(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 608(%rdi)
-vmovdqa 640(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 608(%rdi)
+vmovdqa 640(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 640(%rdi)
-vmovdqa 672(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 640(%rdi)
+vmovdqa 672(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 672(%rdi)
-vmovdqa 704(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 672(%rdi)
+vmovdqa 704(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 704(%rdi)
-vmovdqa 736(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 704(%rdi)
+vmovdqa 736(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 736(%rdi)
-vmovdqa 768(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 736(%rdi)
+vmovdqa 768(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 768(%rdi)
-vmovdqa 800(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 768(%rdi)
+vmovdqa 800(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 800(%rdi)
-vmovdqa 832(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 800(%rdi)
+vmovdqa 832(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 832(%rdi)
-vmovdqa 864(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 832(%rdi)
+vmovdqa 864(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 864(%rdi)
-vmovdqa 896(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 864(%rdi)
+vmovdqa 896(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 896(%rdi)
-vmovdqa 928(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 896(%rdi)
+vmovdqa 928(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 928(%rdi)
-vmovdqa 960(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 928(%rdi)
+vmovdqa 960(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 960(%rdi)
-vmovdqa 992(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 960(%rdi)
+vmovdqa 992(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 992(%rdi)
-vmovdqa 1024(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 992(%rdi)
+vmovdqa 1024(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1024(%rdi)
-vmovdqa 1056(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1024(%rdi)
+vmovdqa 1056(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1056(%rdi)
-vmovdqa 1088(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1056(%rdi)
+vmovdqa 1088(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1088(%rdi)
-vmovdqa 1120(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1088(%rdi)
+vmovdqa 1120(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1120(%rdi)
-vmovdqa 1152(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1120(%rdi)
+vmovdqa 1152(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1152(%rdi)
-vmovdqa 1184(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1152(%rdi)
+vmovdqa 1184(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1184(%rdi)
-vmovdqa 1216(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1184(%rdi)
+vmovdqa 1216(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1216(%rdi)
-vmovdqa 1248(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1216(%rdi)
+vmovdqa 1248(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1248(%rdi)
-vmovdqa 1280(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1248(%rdi)
+vmovdqa 1280(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1280(%rdi)
-vmovdqa 1312(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1280(%rdi)
+vmovdqa 1312(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1312(%rdi)
-vmovdqa 1344(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1312(%rdi)
+vmovdqa 1344(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1344(%rdi)
-vmovdqa 1376(%rsi), %ymm1
-vpand %ymm6, %ymm1, %ymm1
-vpsrlw $12, %ymm1, %ymm0
-vpxor %ymm3, %ymm0, %ymm0
-vpsllw $13, %ymm0, %ymm0
-vpaddw %ymm1, %ymm0, %ymm0
-vpaddw %ymm4, %ymm0, %ymm0
-vpsrlw $8, %ymm0, %ymm5
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1344(%rdi)
+vmovdqa 1376(%rsi), %ymm0
+vpand %ymm6, %ymm0, %ymm0
+vpsrlw $12, %ymm0, %ymm1
+vpaddw %ymm0, %ymm1, %ymm0
+vpaddw %ymm0, %ymm5, %ymm0
+vpsrlw $8, %ymm0, %ymm1
 vpand mask_ff(%rip), %ymm0, %ymm0
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_f(%rip), %ymm5, %ymm0
-vpsrlw $4, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpand mask_3(%rip), %ymm5, %ymm0
-vpsrlw $2, %ymm5, %ymm5
-vpaddw %ymm5, %ymm0, %ymm5
-vpsubw mask_3(%rip), %ymm5, %ymm14
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_f(%rip), %ymm1, %ymm0
+vpsrlw $4, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpand mask_3(%rip), %ymm1, %ymm0
+vpsrlw $2, %ymm1, %ymm1
+vpaddw %ymm1, %ymm0, %ymm1
+vpsubw mask_3(%rip), %ymm1, %ymm14
 vpsraw $15, %ymm14, %ymm15
 vpandn %ymm14, %ymm15, %ymm0
-vpand %ymm15, %ymm5, %ymm14
-vpxor %ymm14, %ymm0, %ymm5
-vmovdqa %ymm5, 1376(%rdi)
+vpand %ymm15, %ymm1, %ymm14
+vpxor %ymm14, %ymm0, %ymm1
+vmovdqa %ymm1, 1376(%rdi)
 ret
diff --git a/crypto_kem/ntruhrss701/avx2/poly_s3_inv.c b/crypto_kem/ntruhrss701/avx2/poly_s3_inv.c
new file mode 100644
index 00000000..4acd5a89
--- /dev/null
+++ b/crypto_kem/ntruhrss701/avx2/poly_s3_inv.c
@@ -0,0 +1,569 @@
+#include "poly.h"
+
+#include <immintrin.h>
+
+typedef signed char small;
+
+#define p 700
+#define ppad 768
+#define numvec 3
+
+typedef __m256i vec256;
+
+/*
+This code stores 768-coeff poly as vec256[3].
+Order of 256 coefficients in each vec256
+is optimized in light of costs of vector instructions:
+  0,4,...,252 in 64-bit word;
+  1,5,...,253 in 64-bit word;
+  2,6,...,254 in 64-bit word;
+  3,7,...,255 in 64-bit word.
+*/
+
+static inline void vec256_frombits(vec256 *v, const small *b) {
+    int i;
+
+    for (i = 0; i < numvec; ++i) {
+        vec256 b0 = _mm256_loadu_si256((vec256 *) b);
+        b += 32; /* 0,1,...,31 */
+        vec256 b1 = _mm256_loadu_si256((vec256 *) b);
+        b += 32; /* 32,33,... */
+        vec256 b2 = _mm256_loadu_si256((vec256 *) b);
+        b += 32;
+        vec256 b3 = _mm256_loadu_si256((vec256 *) b);
+        b += 32;
+        vec256 b4 = _mm256_loadu_si256((vec256 *) b);
+        b += 32;
+        vec256 b5 = _mm256_loadu_si256((vec256 *) b);
+        b += 32;
+        vec256 b6 = _mm256_loadu_si256((vec256 *) b);
+        b += 32;
+        vec256 b7 = _mm256_loadu_si256((vec256 *) b);
+        b += 32;
+
+        vec256 c0 = _mm256_unpacklo_epi32(b0, b1); /* 0 1 2 3 32 33 34 35 4 5 6 7 36 37 38 39 ... 55 */
+        vec256 c1 = _mm256_unpackhi_epi32(b0, b1); /* 8 9 10 11 40 41 42 43 ... 63 */
+        vec256 c2 = _mm256_unpacklo_epi32(b2, b3);
+        vec256 c3 = _mm256_unpackhi_epi32(b2, b3);
+        vec256 c4 = _mm256_unpacklo_epi32(b4, b5);
+        vec256 c5 = _mm256_unpackhi_epi32(b4, b5);
+        vec256 c6 = _mm256_unpacklo_epi32(b6, b7);
+        vec256 c7 = _mm256_unpackhi_epi32(b6, b7);
+
+        vec256 d0 = c0 | _mm256_slli_epi32(c1, 2); /* 0 8, 1 9, 2 10, 3 11, 32 40, 33 41, ..., 55 63 */
+        vec256 d2 = c2 | _mm256_slli_epi32(c3, 2);
+        vec256 d4 = c4 | _mm256_slli_epi32(c5, 2);
+        vec256 d6 = c6 | _mm256_slli_epi32(c7, 2);
+
+        vec256 e0 = _mm256_unpacklo_epi64(d0, d2);
+        vec256 e2 = _mm256_unpackhi_epi64(d0, d2);
+        vec256 e4 = _mm256_unpacklo_epi64(d4, d6);
+        vec256 e6 = _mm256_unpackhi_epi64(d4, d6);
+
+        vec256 f0 = e0 | _mm256_slli_epi32(e2, 1);
+        vec256 f4 = e4 | _mm256_slli_epi32(e6, 1);
+
+        vec256 g0 = _mm256_permute2x128_si256(f0, f4, 0x20);
+        vec256 g4 = _mm256_permute2x128_si256(f0, f4, 0x31);
+
+        vec256 h = g0 | _mm256_slli_epi32(g4, 4);
+
+#define TRANSPOSE _mm256_set_epi8( 31,27,23,19, 30,26,22,18, 29,25,21,17, 28,24,20,16, 15,11,7,3, 14,10,6,2, 13,9,5,1, 12,8,4,0 )
+        h = _mm256_shuffle_epi8(h, TRANSPOSE);
+        h = _mm256_permute4x64_epi64(h, 0xd8);
+        h = _mm256_shuffle_epi32(h, 0xd8);
+
+        *v++ = h;
+    }
+}
+
+static inline void vec256_tobits(const vec256 *v, small *b) {
+    int i;
+
+    for (i = 0; i < numvec; ++i) {
+        vec256 h = *v++;
+
+        h = _mm256_shuffle_epi32(h, 0xd8);
+        h = _mm256_permute4x64_epi64(h, 0xd8);
+        h = _mm256_shuffle_epi8(h, TRANSPOSE);
+
+        vec256 g0 = h & _mm256_set1_epi8(15);
+        vec256 g4 = _mm256_srli_epi32(h, 4) & _mm256_set1_epi8(15);
+
+        vec256 f0 = _mm256_permute2x128_si256(g0, g4, 0x20);
+        vec256 f4 = _mm256_permute2x128_si256(g0, g4, 0x31);
+
+        vec256 e0 = f0 & _mm256_set1_epi8(5);
+        vec256 e2 = _mm256_srli_epi32(f0, 1) & _mm256_set1_epi8(5);
+        vec256 e4 = f4 & _mm256_set1_epi8(5);
+        vec256 e6 = _mm256_srli_epi32(f4, 1) & _mm256_set1_epi8(5);
+
+        vec256 d0 = _mm256_unpacklo_epi32(e0, e2);
+        vec256 d2 = _mm256_unpackhi_epi32(e0, e2);
+        vec256 d4 = _mm256_unpacklo_epi32(e4, e6);
+        vec256 d6 = _mm256_unpackhi_epi32(e4, e6);
+
+        vec256 c0 = d0 & _mm256_set1_epi8(1);
+        vec256 c1 = _mm256_srli_epi32(d0, 2) & _mm256_set1_epi8(1);
+        vec256 c2 = d2 & _mm256_set1_epi8(1);
+        vec256 c3 = _mm256_srli_epi32(d2, 2) & _mm256_set1_epi8(1);
+        vec256 c4 = d4 & _mm256_set1_epi8(1);
+        vec256 c5 = _mm256_srli_epi32(d4, 2) & _mm256_set1_epi8(1);
+        vec256 c6 = d6 & _mm256_set1_epi8(1);
+        vec256 c7 = _mm256_srli_epi32(d6, 2) & _mm256_set1_epi8(1);
+
+        vec256 b0 = _mm256_unpacklo_epi64(c0, c1);
+        vec256 b1 = _mm256_unpackhi_epi64(c0, c1);
+        vec256 b2 = _mm256_unpacklo_epi64(c2, c3);
+        vec256 b3 = _mm256_unpackhi_epi64(c2, c3);
+        vec256 b4 = _mm256_unpacklo_epi64(c4, c5);
+        vec256 b5 = _mm256_unpackhi_epi64(c4, c5);
+        vec256 b6 = _mm256_unpacklo_epi64(c6, c7);
+        vec256 b7 = _mm256_unpackhi_epi64(c6, c7);
+
+        _mm256_storeu_si256((vec256 *) b, b0);
+        b += 32;
+        _mm256_storeu_si256((vec256 *) b, b1);
+        b += 32;
+        _mm256_storeu_si256((vec256 *) b, b2);
+        b += 32;
+        _mm256_storeu_si256((vec256 *) b, b3);
+        b += 32;
+        _mm256_storeu_si256((vec256 *) b, b4);
+        b += 32;
+        _mm256_storeu_si256((vec256 *) b, b5);
+        b += 32;
+        _mm256_storeu_si256((vec256 *) b, b6);
+        b += 32;
+        _mm256_storeu_si256((vec256 *) b, b7);
+        b += 32;
+    }
+}
+
+static void vec256_init(vec256 *G0, vec256 *G1, const small *s) {
+    int i;
+    small srev[ppad + (ppad - p)];
+    small si;
+    small g0[ppad];
+    small g1[ppad];
+
+    for (i = 0; i < p; ++i) {
+        srev[ppad - 1 - i] = s[i];
+    }
+    for (i = 0; i < ppad - p; ++i) {
+        srev[i] = 0;
+    }
+    for (i = p; i < ppad; ++i) {
+        srev[i + ppad - p] = 0;
+    }
+
+    for (i = 0; i < ppad; ++i) {
+        si = srev[i + ppad - p];
+        g0[i] = si & 1;
+        g1[i] = (si >> 1) & g0[i];
+    }
+
+    vec256_frombits(G0, g0);
+    vec256_frombits(G1, g1);
+}
+
+static void vec256_final(small *out, const vec256 *V0, const vec256 *V1) {
+    int i;
+    small v0[ppad];
+    small v1[ppad];
+    small v[ppad];
+    small vrev[ppad + (ppad - p)];
+
+    vec256_tobits(V0, v0);
+    vec256_tobits(V1, v1);
+
+    for (i = 0; i < ppad; ++i) {
+        v[i] = v0[i] + 2 * v1[i] - 4 * (v0[i] & v1[i]);
+    }
+
+    for (i = 0; i < ppad; ++i) {
+        vrev[i] = v[ppad - 1 - i];
+    }
+    for (i = ppad; i < ppad + (ppad - p); ++i) {
+        vrev[i] = 0;
+    }
+
+    for (i = 0; i < p; ++i) {
+        out[i] = vrev[i + ppad - p];
+    }
+}
+
+static inline int negative_mask(int x) {
+    return x >> 31;
+}
+
+static inline void vec256_swap(vec256 *f, vec256 *g, int len, vec256 mask) {
+    vec256 flip;
+    int i;
+
+    for (i = 0; i < len; ++i) {
+        flip = mask & (f[i] ^ g[i]);
+        f[i] ^= flip;
+        g[i] ^= flip;
+    }
+}
+
+static inline void vec256_scale(vec256 *f0, vec256 *f1, const vec256 c0, const vec256 c1) {
+    int i;
+
+    for (i = 0; i < numvec; ++i) {
+        vec256 f0i = f0[i];
+        vec256 f1i = f1[i];
+
+        f0i &= c0;
+        f1i ^= c1;
+        f1i &= f0i;
+
+        f0[i] = f0i;
+        f1[i] = f1i;
+    }
+}
+
+static inline void vec256_eliminate(vec256 *f0, vec256 *f1, vec256 *g0, vec256 *g1, int len, const vec256 c0, const vec256 c1) {
+    int i;
+
+    for (i = 0; i < len; ++i) {
+        vec256 f0i = f0[i];
+        vec256 f1i = f1[i];
+        vec256 g0i = g0[i];
+        vec256 g1i = g1[i];
+        vec256 t;
+
+        f0i &= c0;
+        f1i ^= c1;
+        f1i &= f0i;
+
+        t = g0i ^ f0i;
+        g0[i] = t | (g1i ^ f1i);
+        g1[i] = (g1i ^ f0i) & (f1i ^ t);
+    }
+}
+
+static inline int vec256_bit0mask(vec256 *f) {
+    return -(_mm_cvtsi128_si32(_mm256_castsi256_si128(f[0])) & 1);
+}
+
+static inline void vec256_divx_1(vec256 *f) {
+    vec256 f0 = f[0];
+
+    unsigned long long low0 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f0));
+
+    low0 = low0 >> 1;
+
+    f0 = _mm256_blend_epi32(f0, _mm256_set_epi64x(0, 0, 0, low0), 0x3);
+
+    f[0] = _mm256_permute4x64_epi64(f0, 0x39);
+}
+
+static inline void vec256_divx_2(vec256 *f) {
+    vec256 f0 = f[0];
+    vec256 f1 = f[1];
+
+    unsigned long long low0 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f0));
+    unsigned long long low1 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f1));
+
+    low0 = (low0 >> 1) | (low1 << 63);
+    low1 = low1 >> 1;
+
+    f0 = _mm256_blend_epi32(f0, _mm256_set_epi64x(0, 0, 0, low0), 0x3);
+    f1 = _mm256_blend_epi32(f1, _mm256_set_epi64x(0, 0, 0, low1), 0x3);
+
+    f[0] = _mm256_permute4x64_epi64(f0, 0x39);
+    f[1] = _mm256_permute4x64_epi64(f1, 0x39);
+}
+
+static inline void vec256_divx_3(vec256 *f) {
+    vec256 f0 = f[0];
+    vec256 f1 = f[1];
+    vec256 f2 = f[2];
+
+    unsigned long long low0 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f0));
+    unsigned long long low1 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f1));
+    unsigned long long low2 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f2));
+
+    low0 = (low0 >> 1) | (low1 << 63);
+    low1 = (low1 >> 1) | (low2 << 63);
+    low2 = low2 >> 1;
+
+    f0 = _mm256_blend_epi32(f0, _mm256_set_epi64x(0, 0, 0, low0), 0x3);
+    f1 = _mm256_blend_epi32(f1, _mm256_set_epi64x(0, 0, 0, low1), 0x3);
+    f2 = _mm256_blend_epi32(f2, _mm256_set_epi64x(0, 0, 0, low2), 0x3);
+
+    f[0] = _mm256_permute4x64_epi64(f0, 0x39);
+    f[1] = _mm256_permute4x64_epi64(f1, 0x39);
+    f[2] = _mm256_permute4x64_epi64(f2, 0x39);
+}
+
+static inline void vec256_timesx_1(vec256 *f) {
+    vec256 f0 = _mm256_permute4x64_epi64(f[0], 0x93);
+
+    unsigned long long low0 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f0));
+
+    low0 = low0 << 1;
+
+    f0 = _mm256_blend_epi32(f0, _mm256_set_epi64x(0, 0, 0, low0), 0x3);
+
+    f[0] = f0;
+}
+
+static inline void vec256_timesx_2(vec256 *f) {
+    vec256 f0 = _mm256_permute4x64_epi64(f[0], 0x93);
+    vec256 f1 = _mm256_permute4x64_epi64(f[1], 0x93);
+
+    unsigned long long low0 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f0));
+    unsigned long long low1 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f1));
+
+    low1 = (low1 << 1) | (low0 >> 63);
+    low0 = low0 << 1;
+
+    f0 = _mm256_blend_epi32(f0, _mm256_set_epi64x(0, 0, 0, low0), 0x3);
+    f1 = _mm256_blend_epi32(f1, _mm256_set_epi64x(0, 0, 0, low1), 0x3);
+
+    f[0] = f0;
+    f[1] = f1;
+}
+
+static inline void vec256_timesx_3(vec256 *f) {
+    vec256 f0 = _mm256_permute4x64_epi64(f[0], 0x93);
+    vec256 f1 = _mm256_permute4x64_epi64(f[1], 0x93);
+    vec256 f2 = _mm256_permute4x64_epi64(f[2], 0x93);
+
+    unsigned long long low0 = *(unsigned long long *) &f0;
+    unsigned long long low1 = *(unsigned long long *) &f1;
+    unsigned long long low2 = _mm_cvtsi128_si64(_mm256_castsi256_si128(f2));
+
+    low2 = (low2 << 1) | (low1 >> 63);
+    low1 = (low1 << 1) | (low0 >> 63);
+    low0 = low0 << 1;
+
+    *(unsigned long long *) &f0 = low0;
+    *(unsigned long long *) &f1 = low1;
+    f2 = _mm256_blend_epi32(f2, _mm256_set_epi64x(0, 0, 0, low2), 0x3);
+
+    f[0] = f0;
+    f[1] = f1;
+    f[2] = f2;
+}
+
+
+static int __poly_S3_inv(unsigned char *outbytes, const unsigned char *inbytes) {
+    small *out = (void *) outbytes;
+    small *in = (void *) inbytes;
+    vec256 F0[numvec];
+    vec256 F1[numvec];
+    vec256 G0[numvec];
+    vec256 G1[numvec];
+    vec256 V0[numvec];
+    vec256 V1[numvec];
+    vec256 R0[numvec];
+    vec256 R1[numvec];
+    vec256 c0vec, c1vec;
+    int loop;
+    int c0, c1;
+    int minusdelta = -1;
+    int swapmask;
+    vec256 swapvec;
+
+    vec256_init(G0, G1, in);
+    F0[0] = _mm256_set_epi32(-1, -1, -1, -1, -1, -1, -1, -1);
+    F0[1] = _mm256_set_epi32(-1, -1, -1, -1, -1, -1, -1, -1);
+    F0[2] = _mm256_set_epi32(32767, -1, 32767, -1, 32767, -1, 65535, -1);
+    F1[0] = _mm256_set1_epi32(0);
+    F1[1] = _mm256_set1_epi32(0);
+    F1[2] = _mm256_set1_epi32(0);
+
+    V0[0] = _mm256_set1_epi32(0);
+    V1[0] = _mm256_set1_epi32(0);
+    V0[1] = _mm256_set1_epi32(0);
+    V1[1] = _mm256_set1_epi32(0);
+    V0[2] = _mm256_set1_epi32(0);
+    V1[2] = _mm256_set1_epi32(0);
+
+    R0[0] = _mm256_set_epi32(0, 0, 0, 0, 0, 0, 0, 1);
+    R1[0] = _mm256_set1_epi32(0);
+    R0[1] = _mm256_set1_epi32(0);
+    R1[1] = _mm256_set1_epi32(0);
+    R0[2] = _mm256_set1_epi32(0);
+    R1[2] = _mm256_set1_epi32(0);
+
+    for (loop = 256; loop > 0; --loop) {
+        vec256_timesx_1(V0);
+        vec256_timesx_1(V1);
+        swapmask = negative_mask(minusdelta) & vec256_bit0mask(G0);
+
+        c0 = vec256_bit0mask(F0) & vec256_bit0mask(G0);
+        c1 = vec256_bit0mask(F1) ^ vec256_bit0mask(G1);
+        c1 &= c0;
+
+        minusdelta ^= swapmask & (minusdelta ^ -minusdelta);
+        minusdelta -= 1;
+
+        swapvec = _mm256_set1_epi32(swapmask);
+        vec256_swap(F0, G0, 3, swapvec);
+        vec256_swap(F1, G1, 3, swapvec);
+
+        c0vec = _mm256_set1_epi32(c0);
+        c1vec = _mm256_set1_epi32(c1);
+
+        vec256_eliminate(F0, F1, G0, G1, 3, c0vec, c1vec);
+        vec256_divx_3(G0);
+        vec256_divx_3(G1);
+
+        vec256_swap(V0, R0, 1, swapvec);
+        vec256_swap(V1, R1, 1, swapvec);
+        vec256_eliminate(V0, V1, R0, R1, 1, c0vec, c1vec);
+    }
+
+    for (loop = 256; loop > 0; --loop) {
+        vec256_timesx_2(V0);
+        vec256_timesx_2(V1);
+        swapmask = negative_mask(minusdelta) & vec256_bit0mask(G0);
+
+        c0 = vec256_bit0mask(F0) & vec256_bit0mask(G0);
+        c1 = vec256_bit0mask(F1) ^ vec256_bit0mask(G1);
+        c1 &= c0;
+
+        minusdelta ^= swapmask & (minusdelta ^ -minusdelta);
+        minusdelta -= 1;
+
+        swapvec = _mm256_set1_epi32(swapmask);
+        vec256_swap(F0, G0, 3, swapvec);
+        vec256_swap(F1, G1, 3, swapvec);
+
+        c0vec = _mm256_set1_epi32(c0);
+        c1vec = _mm256_set1_epi32(c1);
+
+        vec256_eliminate(F0, F1, G0, G1, 3, c0vec, c1vec);
+        vec256_divx_3(G0);
+        vec256_divx_3(G1);
+
+        vec256_swap(V0, R0, 2, swapvec);
+        vec256_swap(V1, R1, 2, swapvec);
+        vec256_eliminate(V0, V1, R0, R1, 2, c0vec, c1vec);
+    }
+
+    for (loop = 375; loop > 0; --loop) {
+        vec256_timesx_3(V0);
+        vec256_timesx_3(V1);
+        swapmask = negative_mask(minusdelta) & vec256_bit0mask(G0);
+
+        c0 = vec256_bit0mask(F0) & vec256_bit0mask(G0);
+        c1 = vec256_bit0mask(F1) ^ vec256_bit0mask(G1);
+        c1 &= c0;
+
+        minusdelta ^= swapmask & (minusdelta ^ -minusdelta);
+        minusdelta -= 1;
+
+        swapvec = _mm256_set1_epi32(swapmask);
+        vec256_swap(F0, G0, 3, swapvec);
+        vec256_swap(F1, G1, 3, swapvec);
+
+        c0vec = _mm256_set1_epi32(c0);
+        c1vec = _mm256_set1_epi32(c1);
+
+        vec256_eliminate(F0, F1, G0, G1, 3, c0vec, c1vec);
+        vec256_divx_3(G0);
+        vec256_divx_3(G1);
+
+        vec256_swap(V0, R0, 3, swapvec);
+        vec256_swap(V1, R1, 3, swapvec);
+        vec256_eliminate(V0, V1, R0, R1, 3, c0vec, c1vec);
+    }
+
+    for (loop = 256; loop > 0; --loop) {
+        vec256_timesx_3(V0);
+        vec256_timesx_3(V1);
+        swapmask = negative_mask(minusdelta) & vec256_bit0mask(G0);
+
+        c0 = vec256_bit0mask(F0) & vec256_bit0mask(G0);
+        c1 = vec256_bit0mask(F1) ^ vec256_bit0mask(G1);
+        c1 &= c0;
+
+        minusdelta ^= swapmask & (minusdelta ^ -minusdelta);
+        minusdelta -= 1;
+
+        swapvec = _mm256_set1_epi32(swapmask);
+        vec256_swap(F0, G0, 2, swapvec);
+        vec256_swap(F1, G1, 2, swapvec);
+
+        c0vec = _mm256_set1_epi32(c0);
+        c1vec = _mm256_set1_epi32(c1);
+
+        vec256_eliminate(F0, F1, G0, G1, 2, c0vec, c1vec);
+        vec256_divx_2(G0);
+        vec256_divx_2(G1);
+
+        vec256_swap(V0, R0, 3, swapvec);
+        vec256_swap(V1, R1, 3, swapvec);
+        vec256_eliminate(V0, V1, R0, R1, 3, c0vec, c1vec);
+    }
+
+    for (loop = 256; loop > 0; --loop) {
+        vec256_timesx_3(V0);
+        vec256_timesx_3(V1);
+        swapmask = negative_mask(minusdelta) & vec256_bit0mask(G0);
+
+        c0 = vec256_bit0mask(F0) & vec256_bit0mask(G0);
+        c1 = vec256_bit0mask(F1) ^ vec256_bit0mask(G1);
+        c1 &= c0;
+
+        minusdelta ^= swapmask & (minusdelta ^ -minusdelta);
+        minusdelta -= 1;
+
+        swapvec = _mm256_set1_epi32(swapmask);
+        vec256_swap(F0, G0, 1, swapvec);
+        vec256_swap(F1, G1, 1, swapvec);
+
+        c0vec = _mm256_set1_epi32(c0);
+        c1vec = _mm256_set1_epi32(c1);
+
+        vec256_eliminate(F0, F1, G0, G1, 1, c0vec, c1vec);
+        vec256_divx_1(G0);
+        vec256_divx_1(G1);
+
+        vec256_swap(V0, R0, 3, swapvec);
+        vec256_swap(V1, R1, 3, swapvec);
+        vec256_eliminate(V0, V1, R0, R1, 3, c0vec, c1vec);
+    }
+
+    c0vec = _mm256_set1_epi32(vec256_bit0mask(F0));
+    c1vec = _mm256_set1_epi32(vec256_bit0mask(F1));
+    vec256_scale(V0, V1, c0vec, c1vec);
+
+    vec256_final(out, V0, V1);
+    out[p] = negative_mask(minusdelta);
+    return 0;
+}
+
+// This code is based on crypto_core/invhrss701/faster from SUPERCOP. The code was written as a case study
+// for the paper "Fast constant-time gcd computation and modular inversion" by Daniel J. Bernstein and Bo-Yin Yang.
+void PQCLEAN_NTRUHRSS701_AVX2_poly_S3_inv(poly *r_out, const poly *a) {
+    const unsigned char *in = (void *) a;
+    unsigned char *out = (void *) r_out;
+
+    small input[ppad];
+    small output[ppad];
+    int i;
+
+    /* XXX: obviously input/output format should be packed into bytes */
+
+    for (i = 0; i < p; ++i) {
+        small x = in[2 * i] & 3; /* 0 1 2 3 */
+        x += 1; /* 0 1 2 3 4 5 6, offset by 1 */
+        x &= (x - 3) >> 5; /* 0 1 2, offset by 1 */
+        input[i] = x - 1;
+    }
+    /* XXX: merge with vec256_init */
+
+    __poly_S3_inv((unsigned char *)output, (unsigned char *)input);
+
+    for (i = 0; i < p; ++i) {
+        out[2 * i] = (3 & output[i]) ^ ((3 & output[i]) >> 1);
+        out[2 * i + 1] = 0;
+    }
+}
diff --git a/crypto_kem/ntruhrss701/avx2/poly_s3_inv.s b/crypto_kem/ntruhrss701/avx2/poly_s3_inv.s
deleted file mode 100644
index 2cffc9c7..00000000
--- a/crypto_kem/ntruhrss701/avx2/poly_s3_inv.s
+++ /dev/null
@@ -1,5449 +0,0 @@
-.data
-.p2align 5
-mask_3:
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-.word 0x03
-low16:
-.word 0xFFFF
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-const_all_1s:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-const_1:
-.word 1
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-const_64:
-.word 64
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-const_all_but_1:
-.word 0xFFFE
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-const_high_1:
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0x8000
-const_high_2:
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0xC000
-const_high_4:
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0xF000
-const_high_8:
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0xFF00
-const_high_16:
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0xFFFF
-const_high_32:
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0xFFFF
-.word 0xFFFF
-const_high_64:
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-const_high_67:
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0xE000
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-const_all_but_high_1:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x7FFF
-const_all_but_high_2:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x3FFF
-const_all_but_high_4:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x0FFF
-const_all_but_high_8:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x00FF
-const_all_but_high_16:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x0000
-const_all_but_high_32:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x0000
-.word 0x0000
-const_all_but_high_64:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x0000
-.word 0x0000
-.word 0x0000
-.word 0x0000
-const_all_but_high_67:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x1FFF
-.word 0
-.word 0
-.word 0
-.word 0
-const_all_but_high_68:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x0FFF
-.word 0
-.word 0
-.word 0
-.word 0
-const_all_but_high_70:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x03FF
-.word 0
-.word 0
-.word 0
-.word 0
-const_all_but_high_74:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x003F
-.word 0
-.word 0
-.word 0
-.word 0
-const_all_but_high_82:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x3FFF
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-const_all_but_high_98:
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0xFFFF
-.word 0x3FFF
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.word 0
-.text
-.global PQCLEAN_NTRUHRSS701_AVX2_poly_S3_inv
-.global _PQCLEAN_NTRUHRSS701_AVX2_poly_S3_inv
-PQCLEAN_NTRUHRSS701_AVX2_poly_S3_inv:
-_PQCLEAN_NTRUHRSS701_AVX2_poly_S3_inv:
-push %r12
-push %r13
-push %r14
-mov %rsp, %r8
-andq $-32, %rsp
-subq $768, %rsp
-mov $281479271743489, %r9
-mov $562958543486978, %rdx
-mov $0, %r10
-mov $0, %r11
-mov 0(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 8(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 16(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 24(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 32(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 40(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 48(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 56(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 64(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 72(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 80(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 88(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 96(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 104(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 112(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 120(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 0(%rsp)
-mov %r11, 96(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 128(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 136(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 144(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 152(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 160(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 168(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 176(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 184(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 192(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 200(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 208(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 216(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 224(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 232(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 240(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 248(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 8(%rsp)
-mov %r11, 104(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 256(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 264(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 272(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 280(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 288(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 296(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 304(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 312(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 320(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 328(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 336(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 344(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 352(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 360(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 368(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 376(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 16(%rsp)
-mov %r11, 112(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 384(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 392(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 400(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 408(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 416(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 424(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 432(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 440(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 448(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 456(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 464(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 472(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 480(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 488(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 496(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 504(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 24(%rsp)
-mov %r11, 120(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 512(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 520(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 528(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 536(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 544(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 552(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 560(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 568(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 576(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 584(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 592(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 600(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 608(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 616(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 624(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 632(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 32(%rsp)
-mov %r11, 128(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 640(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 648(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 656(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 664(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 672(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 680(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 688(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 696(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 704(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 712(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 720(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 728(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 736(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 744(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 752(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 760(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 40(%rsp)
-mov %r11, 136(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 768(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 776(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 784(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 792(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 800(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 808(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 816(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 824(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 832(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 840(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 848(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 856(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 864(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 872(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 880(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 888(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 48(%rsp)
-mov %r11, 144(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 896(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 904(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 912(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 920(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 928(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 936(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 944(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 952(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 960(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 968(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 976(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 984(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 992(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1000(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1008(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1016(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 56(%rsp)
-mov %r11, 152(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 1024(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1032(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1040(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1048(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1056(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1064(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1072(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1080(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1088(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1096(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1104(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1112(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1120(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1128(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1136(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1144(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 64(%rsp)
-mov %r11, 160(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 1152(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1160(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1168(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1176(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1184(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1192(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1200(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1208(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1216(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1224(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1232(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1240(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1248(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1256(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1264(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1272(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 72(%rsp)
-mov %r11, 168(%rsp)
-mov $0, %r10
-mov $0, %r11
-mov 1280(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1288(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $4, %rcx
-shl $4, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1296(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $8, %rcx
-shl $8, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1304(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $12, %rcx
-shl $12, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1312(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $16, %rcx
-shl $16, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1320(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $20, %rcx
-shl $20, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1328(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $24, %rcx
-shl $24, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1336(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $28, %rcx
-shl $28, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1344(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $32, %rcx
-shl $32, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1352(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $36, %rcx
-shl $36, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1360(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $40, %rcx
-shl $40, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1368(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $44, %rcx
-shl $44, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1376(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $48, %rcx
-shl $48, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1384(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $52, %rcx
-shl $52, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1392(%rsi), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $56, %rcx
-shl $56, %rax
-or %rcx, %r10
-or %rax, %r11
-mov 1400(%rsi), %rax
-and low16(%rip), %rax
-pext %r9, %rax, %rcx
-pext %rdx, %rax, %rax
-shl $60, %rcx
-shl $60, %rax
-or %rcx, %r10
-or %rax, %r11
-mov %r10, 80(%rsp)
-mov %r11, 176(%rsp)
-vpxor %ymm11, %ymm11, %ymm11
-vmovdqa %ymm11, 416(%rsp)
-vmovdqa %ymm11, 448(%rsp)
-vmovdqa %ymm11, 480(%rsp)
-vmovdqa %ymm11, 512(%rsp)
-vmovdqa %ymm11, 544(%rsp)
-mov $1, %r9
-vmovq %r9, %xmm1
-vmovdqa %ymm1, 384(%rsp)
-vmovdqa %ymm11, 576(%rsp)
-vmovdqa %ymm11, 608(%rsp)
-vmovdqa %ymm11, 640(%rsp)
-vmovdqa %ymm11, 672(%rsp)
-vmovdqa %ymm11, 704(%rsp)
-vmovdqa %ymm11, 736(%rsp)
-vmovdqa const_all_1s(%rip), %ymm2
-vmovdqa %ymm11, 288(%rsp)
-vmovdqa %ymm11, 320(%rsp)
-vmovdqa %ymm11, 352(%rsp)
-vmovdqa %ymm2, 192(%rsp)
-vmovdqa %ymm2, 224(%rsp)
-vmovdqa const_all_but_high_67(%rip), %ymm2
-vmovdqa %ymm2, 256(%rsp)
-mov $700, %r9
-mov $700, %r10
-mov $0, %rax
-mov $1, %rdx
-vmovdqa 0(%rsp), %ymm0
-vmovdqa 32(%rsp), %ymm1
-vmovdqa 64(%rsp), %ymm2
-vmovdqa 96(%rsp), %ymm3
-vmovdqa 128(%rsp), %ymm4
-vmovdqa 160(%rsp), %ymm5
-mov $256, %ecx
-poly_s3_inv_loop_0:
-vpand 192(%rsp), %ymm0, %ymm10
-vpand 288(%rsp), %ymm3, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vpand 192(%rsp), %ymm3, %ymm11
-vpand 288(%rsp), %ymm0, %ymm15
-vpxor %ymm11, %ymm15, %ymm11
-vpand %ymm10, %ymm11, %ymm15
-vpxor %ymm15, %ymm10, %ymm10
-vpxor %ymm15, %ymm11, %ymm11
-vpand const_1(%rip), %ymm11, %ymm11
-vpand const_1(%rip), %ymm10, %ymm10
-vpxor %ymm15, %ymm15, %ymm15
-vpsubq %ymm11, %ymm15, %ymm11
-vpsubq %ymm10, %ymm15, %ymm10
-vbroadcastsd %xmm11, %ymm11
-vbroadcastsd %xmm10, %ymm10
-neg %rdx
-vmovq %rdx, %xmm12
-vbroadcastsd %xmm12, %ymm12
-vpand %ymm11, %ymm12, %ymm11
-vpand %ymm10, %ymm12, %ymm10
-vpor %ymm11, %ymm10, %ymm9
-mov %r9, %r12
-sub %r10, %r12
-shr $63, %r12
-neg %r12
-vmovq %r12, %xmm13
-vbroadcastsd %xmm13, %ymm13
-vpand %ymm13, %ymm9, %ymm9
-vmovq %xmm9, %r12
-mov %r9, %r13
-xor %r10, %r13
-and %r12, %r13
-xor %r13, %r10
-xor %r13, %r9
-vpxor 192(%rsp), %ymm0, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor 192(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 192(%rsp)
-vpxor 288(%rsp), %ymm3, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor 288(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 288(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm0, %ymm13, %ymm15
-vpxor %ymm0, %ymm13, %ymm0
-vpand %ymm3, %ymm14, %ymm13
-vpxor %ymm3, %ymm14, %ymm3
-vpxor %ymm3, %ymm15, %ymm3
-vpor %ymm0, %ymm13, %ymm0
-vpandn %ymm3, %ymm13, %ymm3
-vpand %ymm0, %ymm3, %ymm13
-vpxor %ymm0, %ymm13, %ymm0
-vpxor %ymm3, %ymm13, %ymm3
-vpxor 224(%rsp), %ymm1, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vpxor 224(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 224(%rsp)
-vpxor 320(%rsp), %ymm4, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor 320(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 320(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm1, %ymm13, %ymm15
-vpxor %ymm1, %ymm13, %ymm1
-vpand %ymm4, %ymm14, %ymm13
-vpxor %ymm4, %ymm14, %ymm4
-vpxor %ymm4, %ymm15, %ymm4
-vpor %ymm1, %ymm13, %ymm1
-vpandn %ymm4, %ymm13, %ymm4
-vpand %ymm1, %ymm4, %ymm13
-vpxor %ymm1, %ymm13, %ymm1
-vpxor %ymm4, %ymm13, %ymm4
-vpxor 256(%rsp), %ymm2, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm2, %ymm15, %ymm2
-vpxor 256(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 256(%rsp)
-vpxor 352(%rsp), %ymm5, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpxor 352(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 352(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm2, %ymm13, %ymm15
-vpxor %ymm2, %ymm13, %ymm2
-vpand %ymm5, %ymm14, %ymm13
-vpxor %ymm5, %ymm14, %ymm5
-vpxor %ymm5, %ymm15, %ymm5
-vpor %ymm2, %ymm13, %ymm2
-vpandn %ymm5, %ymm13, %ymm5
-vpand %ymm2, %ymm5, %ymm13
-vpxor %ymm2, %ymm13, %ymm2
-vpxor %ymm5, %ymm13, %ymm5
-vmovdqa 384(%rsp), %ymm6
-vpxor 576(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 576(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 576(%rsp)
-vmovdqa 480(%rsp), %ymm7
-vpxor 672(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 672(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 672(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 384(%rsp)
-vmovdqa %ymm7, 480(%rsp)
-vmovdqa 576(%rsp), %ymm6
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 576(%rsp)
-vpsrlq $1, %ymm2, %ymm15
-vpsllq $63, %ymm2, %ymm14
-vpermq $57, %ymm14, %ymm8
-vpxor %ymm15, %ymm8, %ymm8
-vpand const_high_1(%rip), %ymm8, %ymm13
-vpand const_all_but_high_67(%rip), %ymm8, %ymm8
-vpsrlq $1, %ymm1, %ymm15
-vpsllq $63, %ymm1, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpxor %ymm13, %ymm7, %ymm7
-vpsrlq $1, %ymm0, %ymm13
-vpsllq $63, %ymm0, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm0, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor %ymm1, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vpxor %ymm2, %ymm8, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm2, %ymm15, %ymm2
-vmovdqa 672(%rsp), %ymm6
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 672(%rsp)
-vpsrlq $1, %ymm5, %ymm15
-vpsllq $63, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm8
-vpxor %ymm15, %ymm8, %ymm8
-vpand const_high_1(%rip), %ymm8, %ymm13
-vpand const_all_but_high_67(%rip), %ymm8, %ymm8
-vpsrlq $1, %ymm4, %ymm15
-vpsllq $63, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpxor %ymm13, %ymm7, %ymm7
-vpsrlq $1, %ymm3, %ymm13
-vpsllq $63, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm3, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm8, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-add %rdx, %r9
-sub %rdx, %rax
-mov %r9, %rdx
-sub $1, %rdx
-shr $63, %rdx
-not %rdx
-and $1, %rdx
-dec %ecx
-jns poly_s3_inv_loop_0
-mov $256, %ecx
-poly_s3_inv_loop_1:
-vpand 192(%rsp), %ymm0, %ymm10
-vpand 288(%rsp), %ymm3, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vpand 192(%rsp), %ymm3, %ymm11
-vpand 288(%rsp), %ymm0, %ymm15
-vpxor %ymm11, %ymm15, %ymm11
-vpand %ymm10, %ymm11, %ymm15
-vpxor %ymm15, %ymm10, %ymm10
-vpxor %ymm15, %ymm11, %ymm11
-vpand const_1(%rip), %ymm11, %ymm11
-vpand const_1(%rip), %ymm10, %ymm10
-vpxor %ymm15, %ymm15, %ymm15
-vpsubq %ymm11, %ymm15, %ymm11
-vpsubq %ymm10, %ymm15, %ymm10
-vbroadcastsd %xmm11, %ymm11
-vbroadcastsd %xmm10, %ymm10
-neg %rdx
-vmovq %rdx, %xmm12
-vbroadcastsd %xmm12, %ymm12
-vpand %ymm11, %ymm12, %ymm11
-vpand %ymm10, %ymm12, %ymm10
-vpor %ymm11, %ymm10, %ymm9
-mov %r9, %r12
-sub %r10, %r12
-shr $63, %r12
-neg %r12
-vmovq %r12, %xmm13
-vbroadcastsd %xmm13, %ymm13
-vpand %ymm13, %ymm9, %ymm9
-vmovq %xmm9, %r12
-mov %r9, %r13
-xor %r10, %r13
-and %r12, %r13
-xor %r13, %r10
-xor %r13, %r9
-vpxor 192(%rsp), %ymm0, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor 192(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 192(%rsp)
-vpxor 288(%rsp), %ymm3, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor 288(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 288(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm0, %ymm13, %ymm15
-vpxor %ymm0, %ymm13, %ymm0
-vpand %ymm3, %ymm14, %ymm13
-vpxor %ymm3, %ymm14, %ymm3
-vpxor %ymm3, %ymm15, %ymm3
-vpor %ymm0, %ymm13, %ymm0
-vpandn %ymm3, %ymm13, %ymm3
-vpand %ymm0, %ymm3, %ymm13
-vpxor %ymm0, %ymm13, %ymm0
-vpxor %ymm3, %ymm13, %ymm3
-vpxor 224(%rsp), %ymm1, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vpxor 224(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 224(%rsp)
-vpxor 320(%rsp), %ymm4, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor 320(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 320(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm1, %ymm13, %ymm15
-vpxor %ymm1, %ymm13, %ymm1
-vpand %ymm4, %ymm14, %ymm13
-vpxor %ymm4, %ymm14, %ymm4
-vpxor %ymm4, %ymm15, %ymm4
-vpor %ymm1, %ymm13, %ymm1
-vpandn %ymm4, %ymm13, %ymm4
-vpand %ymm1, %ymm4, %ymm13
-vpxor %ymm1, %ymm13, %ymm1
-vpxor %ymm4, %ymm13, %ymm4
-vpxor 256(%rsp), %ymm2, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm2, %ymm15, %ymm2
-vpxor 256(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 256(%rsp)
-vpxor 352(%rsp), %ymm5, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpxor 352(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 352(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm2, %ymm13, %ymm15
-vpxor %ymm2, %ymm13, %ymm2
-vpand %ymm5, %ymm14, %ymm13
-vpxor %ymm5, %ymm14, %ymm5
-vpxor %ymm5, %ymm15, %ymm5
-vpor %ymm2, %ymm13, %ymm2
-vpandn %ymm5, %ymm13, %ymm5
-vpand %ymm2, %ymm5, %ymm13
-vpxor %ymm2, %ymm13, %ymm2
-vpxor %ymm5, %ymm13, %ymm5
-vmovdqa 384(%rsp), %ymm6
-vpxor 576(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 576(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 576(%rsp)
-vmovdqa 480(%rsp), %ymm7
-vpxor 672(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 672(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 672(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 384(%rsp)
-vmovdqa %ymm7, 480(%rsp)
-vmovdqa 416(%rsp), %ymm6
-vpxor 608(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 608(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vmovdqa 512(%rsp), %ymm7
-vpxor 704(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 704(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 704(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 416(%rsp)
-vmovdqa %ymm7, 512(%rsp)
-vmovdqa 576(%rsp), %ymm6
-vmovdqa 608(%rsp), %ymm8
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 576(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vpsrlq $1, %ymm2, %ymm15
-vpsllq $63, %ymm2, %ymm14
-vpermq $57, %ymm14, %ymm8
-vpxor %ymm15, %ymm8, %ymm8
-vpand const_high_1(%rip), %ymm8, %ymm13
-vpand const_all_but_high_67(%rip), %ymm8, %ymm8
-vpsrlq $1, %ymm1, %ymm15
-vpsllq $63, %ymm1, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpxor %ymm13, %ymm7, %ymm7
-vpsrlq $1, %ymm0, %ymm13
-vpsllq $63, %ymm0, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm0, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor %ymm1, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vpxor %ymm2, %ymm8, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm2, %ymm15, %ymm2
-vmovdqa 672(%rsp), %ymm6
-vmovdqa 704(%rsp), %ymm8
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 672(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 704(%rsp)
-vpsrlq $1, %ymm5, %ymm15
-vpsllq $63, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm8
-vpxor %ymm15, %ymm8, %ymm8
-vpand const_high_1(%rip), %ymm8, %ymm13
-vpand const_all_but_high_67(%rip), %ymm8, %ymm8
-vpsrlq $1, %ymm4, %ymm15
-vpsllq $63, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpxor %ymm13, %ymm7, %ymm7
-vpsrlq $1, %ymm3, %ymm13
-vpsllq $63, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm3, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm8, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-add %rdx, %r9
-sub %rdx, %rax
-mov %r9, %rdx
-sub $1, %rdx
-shr $63, %rdx
-not %rdx
-and $1, %rdx
-dec %ecx
-jns poly_s3_inv_loop_1
-mov $376, %ecx
-poly_s3_inv_loop_2:
-vpand 192(%rsp), %ymm0, %ymm10
-vpand 288(%rsp), %ymm3, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vpand 192(%rsp), %ymm3, %ymm11
-vpand 288(%rsp), %ymm0, %ymm15
-vpxor %ymm11, %ymm15, %ymm11
-vpand %ymm10, %ymm11, %ymm15
-vpxor %ymm15, %ymm10, %ymm10
-vpxor %ymm15, %ymm11, %ymm11
-vpand const_1(%rip), %ymm11, %ymm11
-vpand const_1(%rip), %ymm10, %ymm10
-vpxor %ymm15, %ymm15, %ymm15
-vpsubq %ymm11, %ymm15, %ymm11
-vpsubq %ymm10, %ymm15, %ymm10
-vbroadcastsd %xmm11, %ymm11
-vbroadcastsd %xmm10, %ymm10
-neg %rdx
-vmovq %rdx, %xmm12
-vbroadcastsd %xmm12, %ymm12
-vpand %ymm11, %ymm12, %ymm11
-vpand %ymm10, %ymm12, %ymm10
-vpor %ymm11, %ymm10, %ymm9
-mov %r9, %r12
-sub %r10, %r12
-shr $63, %r12
-neg %r12
-vmovq %r12, %xmm13
-vbroadcastsd %xmm13, %ymm13
-vpand %ymm13, %ymm9, %ymm9
-vmovq %xmm9, %r12
-mov %r9, %r13
-xor %r10, %r13
-and %r12, %r13
-xor %r13, %r10
-xor %r13, %r9
-vpxor 192(%rsp), %ymm0, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor 192(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 192(%rsp)
-vpxor 288(%rsp), %ymm3, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor 288(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 288(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm0, %ymm13, %ymm15
-vpxor %ymm0, %ymm13, %ymm0
-vpand %ymm3, %ymm14, %ymm13
-vpxor %ymm3, %ymm14, %ymm3
-vpxor %ymm3, %ymm15, %ymm3
-vpor %ymm0, %ymm13, %ymm0
-vpandn %ymm3, %ymm13, %ymm3
-vpand %ymm0, %ymm3, %ymm13
-vpxor %ymm0, %ymm13, %ymm0
-vpxor %ymm3, %ymm13, %ymm3
-vpxor 224(%rsp), %ymm1, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vpxor 224(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 224(%rsp)
-vpxor 320(%rsp), %ymm4, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor 320(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 320(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm1, %ymm13, %ymm15
-vpxor %ymm1, %ymm13, %ymm1
-vpand %ymm4, %ymm14, %ymm13
-vpxor %ymm4, %ymm14, %ymm4
-vpxor %ymm4, %ymm15, %ymm4
-vpor %ymm1, %ymm13, %ymm1
-vpandn %ymm4, %ymm13, %ymm4
-vpand %ymm1, %ymm4, %ymm13
-vpxor %ymm1, %ymm13, %ymm1
-vpxor %ymm4, %ymm13, %ymm4
-vpxor 256(%rsp), %ymm2, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm2, %ymm15, %ymm2
-vpxor 256(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 256(%rsp)
-vpxor 352(%rsp), %ymm5, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpxor 352(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 352(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm2, %ymm13, %ymm15
-vpxor %ymm2, %ymm13, %ymm2
-vpand %ymm5, %ymm14, %ymm13
-vpxor %ymm5, %ymm14, %ymm5
-vpxor %ymm5, %ymm15, %ymm5
-vpor %ymm2, %ymm13, %ymm2
-vpandn %ymm5, %ymm13, %ymm5
-vpand %ymm2, %ymm5, %ymm13
-vpxor %ymm2, %ymm13, %ymm2
-vpxor %ymm5, %ymm13, %ymm5
-vmovdqa 384(%rsp), %ymm6
-vpxor 576(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 576(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 576(%rsp)
-vmovdqa 480(%rsp), %ymm7
-vpxor 672(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 672(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 672(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 384(%rsp)
-vmovdqa %ymm7, 480(%rsp)
-vmovdqa 416(%rsp), %ymm6
-vpxor 608(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 608(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vmovdqa 512(%rsp), %ymm7
-vpxor 704(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 704(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 704(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 416(%rsp)
-vmovdqa %ymm7, 512(%rsp)
-vmovdqa 448(%rsp), %ymm6
-vpxor 640(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 640(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 640(%rsp)
-vmovdqa 544(%rsp), %ymm7
-vpxor 736(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 736(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 736(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 448(%rsp)
-vmovdqa %ymm7, 544(%rsp)
-vmovdqa 576(%rsp), %ymm6
-vmovdqa 608(%rsp), %ymm8
-vmovdqa 640(%rsp), %ymm10
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpsllq $1, %ymm10, %ymm13
-vpsrlq $63, %ymm10, %ymm14
-vpermq $147, %ymm14, %ymm11
-vpxor %ymm13, %ymm11, %ymm11
-vpand const_all_but_1(%rip), %ymm11, %ymm11
-vpxor %ymm15, %ymm11, %ymm11
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 576(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vpxor %ymm10, %ymm11, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vmovdqa %ymm10, 640(%rsp)
-vpsrlq $1, %ymm2, %ymm15
-vpsllq $63, %ymm2, %ymm14
-vpermq $57, %ymm14, %ymm8
-vpxor %ymm15, %ymm8, %ymm8
-vpand const_high_1(%rip), %ymm8, %ymm13
-vpand const_all_but_high_67(%rip), %ymm8, %ymm8
-vpsrlq $1, %ymm1, %ymm15
-vpsllq $63, %ymm1, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpxor %ymm13, %ymm7, %ymm7
-vpsrlq $1, %ymm0, %ymm13
-vpsllq $63, %ymm0, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm0, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor %ymm1, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vpxor %ymm2, %ymm8, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm2, %ymm15, %ymm2
-vmovdqa 672(%rsp), %ymm6
-vmovdqa 704(%rsp), %ymm8
-vmovdqa 736(%rsp), %ymm10
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpsllq $1, %ymm10, %ymm13
-vpsrlq $63, %ymm10, %ymm14
-vpermq $147, %ymm14, %ymm11
-vpxor %ymm13, %ymm11, %ymm11
-vpand const_all_but_1(%rip), %ymm11, %ymm11
-vpxor %ymm15, %ymm11, %ymm11
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 672(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 704(%rsp)
-vpxor %ymm10, %ymm11, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vmovdqa %ymm10, 736(%rsp)
-vpsrlq $1, %ymm5, %ymm15
-vpsllq $63, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm8
-vpxor %ymm15, %ymm8, %ymm8
-vpand const_high_1(%rip), %ymm8, %ymm13
-vpand const_all_but_high_67(%rip), %ymm8, %ymm8
-vpsrlq $1, %ymm4, %ymm15
-vpsllq $63, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpxor %ymm13, %ymm7, %ymm7
-vpsrlq $1, %ymm3, %ymm13
-vpsllq $63, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm3, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm8, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-add %rdx, %r9
-sub %rdx, %rax
-mov %r9, %rdx
-sub $1, %rdx
-shr $63, %rdx
-not %rdx
-and $1, %rdx
-dec %ecx
-jns poly_s3_inv_loop_2
-mov $256, %ecx
-poly_s3_inv_loop_3:
-vpand 192(%rsp), %ymm0, %ymm10
-vpand 288(%rsp), %ymm3, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vpand 192(%rsp), %ymm3, %ymm11
-vpand 288(%rsp), %ymm0, %ymm15
-vpxor %ymm11, %ymm15, %ymm11
-vpand %ymm10, %ymm11, %ymm15
-vpxor %ymm15, %ymm10, %ymm10
-vpxor %ymm15, %ymm11, %ymm11
-vpand const_1(%rip), %ymm11, %ymm11
-vpand const_1(%rip), %ymm10, %ymm10
-vpxor %ymm15, %ymm15, %ymm15
-vpsubq %ymm11, %ymm15, %ymm11
-vpsubq %ymm10, %ymm15, %ymm10
-vbroadcastsd %xmm11, %ymm11
-vbroadcastsd %xmm10, %ymm10
-neg %rdx
-vmovq %rdx, %xmm12
-vbroadcastsd %xmm12, %ymm12
-vpand %ymm11, %ymm12, %ymm11
-vpand %ymm10, %ymm12, %ymm10
-vpor %ymm11, %ymm10, %ymm9
-mov %r9, %r12
-sub %r10, %r12
-shr $63, %r12
-neg %r12
-vmovq %r12, %xmm13
-vbroadcastsd %xmm13, %ymm13
-vpand %ymm13, %ymm9, %ymm9
-vmovq %xmm9, %r12
-mov %r9, %r13
-xor %r10, %r13
-and %r12, %r13
-xor %r13, %r10
-xor %r13, %r9
-vpxor 192(%rsp), %ymm0, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor 192(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 192(%rsp)
-vpxor 288(%rsp), %ymm3, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor 288(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 288(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm0, %ymm13, %ymm15
-vpxor %ymm0, %ymm13, %ymm0
-vpand %ymm3, %ymm14, %ymm13
-vpxor %ymm3, %ymm14, %ymm3
-vpxor %ymm3, %ymm15, %ymm3
-vpor %ymm0, %ymm13, %ymm0
-vpandn %ymm3, %ymm13, %ymm3
-vpand %ymm0, %ymm3, %ymm13
-vpxor %ymm0, %ymm13, %ymm0
-vpxor %ymm3, %ymm13, %ymm3
-vpxor 224(%rsp), %ymm1, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vpxor 224(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 224(%rsp)
-vpxor 320(%rsp), %ymm4, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor 320(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 320(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm1, %ymm13, %ymm15
-vpxor %ymm1, %ymm13, %ymm1
-vpand %ymm4, %ymm14, %ymm13
-vpxor %ymm4, %ymm14, %ymm4
-vpxor %ymm4, %ymm15, %ymm4
-vpor %ymm1, %ymm13, %ymm1
-vpandn %ymm4, %ymm13, %ymm4
-vpand %ymm1, %ymm4, %ymm13
-vpxor %ymm1, %ymm13, %ymm1
-vpxor %ymm4, %ymm13, %ymm4
-vmovdqa 384(%rsp), %ymm6
-vpxor 576(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 576(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 576(%rsp)
-vmovdqa 480(%rsp), %ymm7
-vpxor 672(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 672(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 672(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 384(%rsp)
-vmovdqa %ymm7, 480(%rsp)
-vmovdqa 416(%rsp), %ymm6
-vpxor 608(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 608(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vmovdqa 512(%rsp), %ymm7
-vpxor 704(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 704(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 704(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 416(%rsp)
-vmovdqa %ymm7, 512(%rsp)
-vmovdqa 448(%rsp), %ymm6
-vpxor 640(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 640(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 640(%rsp)
-vmovdqa 544(%rsp), %ymm7
-vpxor 736(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 736(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 736(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 448(%rsp)
-vmovdqa %ymm7, 544(%rsp)
-vmovdqa 576(%rsp), %ymm6
-vmovdqa 608(%rsp), %ymm8
-vmovdqa 640(%rsp), %ymm10
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpsllq $1, %ymm10, %ymm13
-vpsrlq $63, %ymm10, %ymm14
-vpermq $147, %ymm14, %ymm11
-vpxor %ymm13, %ymm11, %ymm11
-vpand const_all_but_1(%rip), %ymm11, %ymm11
-vpxor %ymm15, %ymm11, %ymm11
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 576(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vpxor %ymm10, %ymm11, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vmovdqa %ymm10, 640(%rsp)
-vpsrlq $1, %ymm1, %ymm15
-vpsllq $63, %ymm1, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpsrlq $1, %ymm0, %ymm13
-vpsllq $63, %ymm0, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm0, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor %ymm1, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm1, %ymm15, %ymm1
-vmovdqa 672(%rsp), %ymm6
-vmovdqa 704(%rsp), %ymm8
-vmovdqa 736(%rsp), %ymm10
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpsllq $1, %ymm10, %ymm13
-vpsrlq $63, %ymm10, %ymm14
-vpermq $147, %ymm14, %ymm11
-vpxor %ymm13, %ymm11, %ymm11
-vpand const_all_but_1(%rip), %ymm11, %ymm11
-vpxor %ymm15, %ymm11, %ymm11
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 672(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 704(%rsp)
-vpxor %ymm10, %ymm11, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vmovdqa %ymm10, 736(%rsp)
-vpsrlq $1, %ymm4, %ymm15
-vpsllq $63, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_high_1(%rip), %ymm7, %ymm15
-vpand const_all_but_high_1(%rip), %ymm7, %ymm7
-vpsrlq $1, %ymm3, %ymm13
-vpsllq $63, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm3, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-add %rdx, %r9
-sub %rdx, %rax
-mov %r9, %rdx
-sub $1, %rdx
-shr $63, %rdx
-not %rdx
-and $1, %rdx
-dec %ecx
-jns poly_s3_inv_loop_3
-mov $256, %ecx
-poly_s3_inv_loop_4:
-vpand 192(%rsp), %ymm0, %ymm10
-vpand 288(%rsp), %ymm3, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vpand 192(%rsp), %ymm3, %ymm11
-vpand 288(%rsp), %ymm0, %ymm15
-vpxor %ymm11, %ymm15, %ymm11
-vpand %ymm10, %ymm11, %ymm15
-vpxor %ymm15, %ymm10, %ymm10
-vpxor %ymm15, %ymm11, %ymm11
-vpand const_1(%rip), %ymm11, %ymm11
-vpand const_1(%rip), %ymm10, %ymm10
-vpxor %ymm15, %ymm15, %ymm15
-vpsubq %ymm11, %ymm15, %ymm11
-vpsubq %ymm10, %ymm15, %ymm10
-vbroadcastsd %xmm11, %ymm11
-vbroadcastsd %xmm10, %ymm10
-neg %rdx
-vmovq %rdx, %xmm12
-vbroadcastsd %xmm12, %ymm12
-vpand %ymm11, %ymm12, %ymm11
-vpand %ymm10, %ymm12, %ymm10
-vpor %ymm11, %ymm10, %ymm9
-mov %r9, %r12
-sub %r10, %r12
-shr $63, %r12
-neg %r12
-vmovq %r12, %xmm13
-vbroadcastsd %xmm13, %ymm13
-vpand %ymm13, %ymm9, %ymm9
-vmovq %xmm9, %r12
-mov %r9, %r13
-xor %r10, %r13
-and %r12, %r13
-xor %r13, %r10
-xor %r13, %r9
-vpxor 192(%rsp), %ymm0, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vpxor 192(%rsp), %ymm15, %ymm7
-vmovdqa %ymm7, 192(%rsp)
-vpxor 288(%rsp), %ymm3, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor 288(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 288(%rsp)
-vpand %ymm7, %ymm11, %ymm13
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm8, %ymm11, %ymm14
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm0, %ymm13, %ymm15
-vpxor %ymm0, %ymm13, %ymm0
-vpand %ymm3, %ymm14, %ymm13
-vpxor %ymm3, %ymm14, %ymm3
-vpxor %ymm3, %ymm15, %ymm3
-vpor %ymm0, %ymm13, %ymm0
-vpandn %ymm3, %ymm13, %ymm3
-vpand %ymm0, %ymm3, %ymm13
-vpxor %ymm0, %ymm13, %ymm0
-vpxor %ymm3, %ymm13, %ymm3
-vmovdqa 384(%rsp), %ymm6
-vpxor 576(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 576(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 576(%rsp)
-vmovdqa 480(%rsp), %ymm7
-vpxor 672(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 672(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 672(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 384(%rsp)
-vmovdqa %ymm7, 480(%rsp)
-vmovdqa 416(%rsp), %ymm6
-vpxor 608(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 608(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vmovdqa 512(%rsp), %ymm7
-vpxor 704(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 704(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 704(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 416(%rsp)
-vmovdqa %ymm7, 512(%rsp)
-vmovdqa 448(%rsp), %ymm6
-vpxor 640(%rsp), %ymm6, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpxor 640(%rsp), %ymm15, %ymm8
-vmovdqa %ymm8, 640(%rsp)
-vmovdqa 544(%rsp), %ymm7
-vpxor 736(%rsp), %ymm7, %ymm15
-vpand %ymm9, %ymm15, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpxor 736(%rsp), %ymm15, %ymm14
-vmovdqa %ymm14, 736(%rsp)
-vpand %ymm8, %ymm11, %ymm13
-vpand %ymm14, %ymm10, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm14, %ymm11, %ymm14
-vpand %ymm8, %ymm10, %ymm15
-vpxor %ymm14, %ymm15, %ymm14
-vpand %ymm13, %ymm14, %ymm15
-vpxor %ymm15, %ymm13, %ymm13
-vpxor %ymm15, %ymm14, %ymm14
-vpand %ymm6, %ymm13, %ymm15
-vpxor %ymm6, %ymm13, %ymm6
-vpand %ymm7, %ymm14, %ymm13
-vpxor %ymm7, %ymm14, %ymm7
-vpxor %ymm7, %ymm15, %ymm7
-vpor %ymm6, %ymm13, %ymm6
-vpandn %ymm7, %ymm13, %ymm7
-vpand %ymm6, %ymm7, %ymm13
-vpxor %ymm6, %ymm13, %ymm6
-vpxor %ymm7, %ymm13, %ymm7
-vmovdqa %ymm6, 448(%rsp)
-vmovdqa %ymm7, 544(%rsp)
-vmovdqa 576(%rsp), %ymm6
-vmovdqa 608(%rsp), %ymm8
-vmovdqa 640(%rsp), %ymm10
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpsllq $1, %ymm10, %ymm13
-vpsrlq $63, %ymm10, %ymm14
-vpermq $147, %ymm14, %ymm11
-vpxor %ymm13, %ymm11, %ymm11
-vpand const_all_but_1(%rip), %ymm11, %ymm11
-vpxor %ymm15, %ymm11, %ymm11
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 576(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 608(%rsp)
-vpxor %ymm10, %ymm11, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vmovdqa %ymm10, 640(%rsp)
-vpsrlq $1, %ymm0, %ymm13
-vpsllq $63, %ymm0, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm0, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm0, %ymm15, %ymm0
-vmovdqa 672(%rsp), %ymm6
-vmovdqa 704(%rsp), %ymm8
-vmovdqa 736(%rsp), %ymm10
-vpsllq $1, %ymm6, %ymm15
-vpsrlq $63, %ymm6, %ymm14
-vpermq $147, %ymm14, %ymm7
-vpxor %ymm15, %ymm7, %ymm7
-vpand const_1(%rip), %ymm7, %ymm13
-vpand const_all_but_1(%rip), %ymm7, %ymm7
-vpsllq $1, %ymm8, %ymm15
-vpsrlq $63, %ymm8, %ymm14
-vpermq $147, %ymm14, %ymm9
-vpxor %ymm15, %ymm9, %ymm9
-vpand const_1(%rip), %ymm9, %ymm15
-vpand const_all_but_1(%rip), %ymm9, %ymm9
-vpxor %ymm13, %ymm9, %ymm9
-vpsllq $1, %ymm10, %ymm13
-vpsrlq $63, %ymm10, %ymm14
-vpermq $147, %ymm14, %ymm11
-vpxor %ymm13, %ymm11, %ymm11
-vpand const_all_but_1(%rip), %ymm11, %ymm11
-vpxor %ymm15, %ymm11, %ymm11
-vpxor %ymm6, %ymm7, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vmovdqa %ymm6, 672(%rsp)
-vpxor %ymm8, %ymm9, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm8, %ymm15, %ymm8
-vmovdqa %ymm8, 704(%rsp)
-vpxor %ymm10, %ymm11, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vmovdqa %ymm10, 736(%rsp)
-vpsrlq $1, %ymm3, %ymm13
-vpsllq $63, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm6
-vpxor %ymm13, %ymm6, %ymm6
-vpand const_all_but_high_1(%rip), %ymm6, %ymm6
-vpxor %ymm3, %ymm6, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-add %rdx, %r9
-sub %rdx, %rax
-mov %r9, %rdx
-sub $1, %rdx
-shr $63, %rdx
-not %rdx
-and $1, %rdx
-dec %ecx
-jns poly_s3_inv_loop_4
-vpand const_1(%rip), %ymm0, %ymm0
-vpand const_1(%rip), %ymm3, %ymm3
-vpxor %ymm15, %ymm15, %ymm15
-vpsubq %ymm0, %ymm15, %ymm0
-vpsubq %ymm3, %ymm15, %ymm3
-vbroadcastsd %xmm0, %ymm0
-vbroadcastsd %xmm3, %ymm3
-vmovdqa 384(%rsp), %ymm6
-vmovdqa 416(%rsp), %ymm7
-vmovdqa 448(%rsp), %ymm8
-vmovdqa 480(%rsp), %ymm9
-vmovdqa 512(%rsp), %ymm10
-vmovdqa 544(%rsp), %ymm11
-vpand %ymm6, %ymm0, %ymm12
-vpand %ymm9, %ymm3, %ymm15
-vpxor %ymm12, %ymm15, %ymm12
-vpand %ymm6, %ymm3, %ymm13
-vpand %ymm9, %ymm0, %ymm15
-vpxor %ymm13, %ymm15, %ymm13
-vpand %ymm12, %ymm13, %ymm15
-vpxor %ymm15, %ymm12, %ymm12
-vpxor %ymm15, %ymm13, %ymm13
-vpand %ymm7, %ymm0, %ymm6
-vpand %ymm10, %ymm3, %ymm15
-vpxor %ymm6, %ymm15, %ymm6
-vpand %ymm7, %ymm3, %ymm9
-vpand %ymm10, %ymm0, %ymm15
-vpxor %ymm9, %ymm15, %ymm9
-vpand %ymm6, %ymm9, %ymm15
-vpxor %ymm15, %ymm6, %ymm6
-vpxor %ymm15, %ymm9, %ymm9
-vpand %ymm8, %ymm0, %ymm7
-vpand %ymm11, %ymm3, %ymm15
-vpxor %ymm7, %ymm15, %ymm7
-vpand %ymm8, %ymm3, %ymm10
-vpand %ymm11, %ymm0, %ymm15
-vpxor %ymm10, %ymm15, %ymm10
-vpand %ymm7, %ymm10, %ymm15
-vpxor %ymm15, %ymm7, %ymm7
-vpxor %ymm15, %ymm10, %ymm10
-vmovdqa  %ymm12, 384(%rsp)
-vmovdqa  %ymm6, 416(%rsp)
-vmovdqa  %ymm7, 448(%rsp)
-vmovdqa  %ymm13, 480(%rsp)
-vmovdqa  %ymm9, 512(%rsp)
-vmovdqa  %ymm10, 544(%rsp)
-mov %rax, %r12
-sub $702, %rax
-mov %rax, %r13
-add $1, %rax
-shr $63, %r13
-xor %r14, %r14
-sub %r13, %r14
-mov %rax, %rdx
-xor %r12, %rax
-and %r14, %rax
-xor %rdx, %rax
-vpxor %ymm11, %ymm11, %ymm11
-vmovdqa 384(%rsp), %ymm3
-vmovdqa 416(%rsp), %ymm4
-vmovdqa 448(%rsp), %ymm5
-vpsrlq $1, %ymm5, %ymm15
-vpsllq $63, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_1(%rip), %ymm2, %ymm13
-vpand const_all_but_high_67(%rip), %ymm2, %ymm2
-vpsrlq $1, %ymm4, %ymm15
-vpsllq $63, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_1(%rip), %ymm1, %ymm15
-vpand const_all_but_high_1(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $1, %ymm3, %ymm13
-vpsllq $63, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_1(%rip), %ymm0, %ymm13
-vpand const_all_but_high_1(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vmovq %rax, %xmm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $2, %ymm5, %ymm15
-vpsllq $62, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_2(%rip), %ymm2, %ymm13
-vpand const_all_but_high_68(%rip), %ymm2, %ymm2
-vpsrlq $2, %ymm4, %ymm15
-vpsllq $62, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_2(%rip), %ymm1, %ymm15
-vpand const_all_but_high_2(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $2, %ymm3, %ymm13
-vpsllq $62, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_2(%rip), %ymm0, %ymm13
-vpand const_all_but_high_2(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $4, %ymm5, %ymm15
-vpsllq $60, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_4(%rip), %ymm2, %ymm13
-vpand const_all_but_high_70(%rip), %ymm2, %ymm2
-vpsrlq $4, %ymm4, %ymm15
-vpsllq $60, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_4(%rip), %ymm1, %ymm15
-vpand const_all_but_high_4(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $4, %ymm3, %ymm13
-vpsllq $60, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_4(%rip), %ymm0, %ymm13
-vpand const_all_but_high_4(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $8, %ymm5, %ymm15
-vpsllq $56, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_8(%rip), %ymm2, %ymm13
-vpand const_all_but_high_74(%rip), %ymm2, %ymm2
-vpsrlq $8, %ymm4, %ymm15
-vpsllq $56, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_8(%rip), %ymm1, %ymm15
-vpand const_all_but_high_8(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $8, %ymm3, %ymm13
-vpsllq $56, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_8(%rip), %ymm0, %ymm13
-vpand const_all_but_high_8(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $16, %ymm5, %ymm15
-vpsllq $48, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_16(%rip), %ymm2, %ymm13
-vpand const_all_but_high_82(%rip), %ymm2, %ymm2
-vpsrlq $16, %ymm4, %ymm15
-vpsllq $48, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_16(%rip), %ymm1, %ymm15
-vpand const_all_but_high_16(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $16, %ymm3, %ymm13
-vpsllq $48, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_16(%rip), %ymm0, %ymm13
-vpand const_all_but_high_16(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $32, %ymm5, %ymm15
-vpsllq $32, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_32(%rip), %ymm2, %ymm13
-vpand const_all_but_high_98(%rip), %ymm2, %ymm2
-vpsrlq $32, %ymm4, %ymm15
-vpsllq $32, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_32(%rip), %ymm1, %ymm15
-vpand const_all_but_high_32(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $32, %ymm3, %ymm13
-vpsllq $32, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_32(%rip), %ymm0, %ymm13
-vpand const_all_but_high_32(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpermq $57, %ymm5, %ymm15
-vpand const_high_64(%rip), %ymm15, %ymm14
-vpand const_all_but_high_64(%rip), %ymm15, %ymm2
-vpermq $57, %ymm4, %ymm15
-vpand const_high_64(%rip), %ymm15, %ymm13
-vpand const_all_but_high_64(%rip), %ymm15, %ymm1
-vpxor %ymm1, %ymm14, %ymm1
-vpermq $57, %ymm3, %ymm15
-vpand const_high_64(%rip), %ymm15, %ymm14
-vpand const_all_but_high_64(%rip), %ymm15, %ymm1
-vpxor %ymm0, %ymm13, %ymm0
-vpermq $57, %ymm13, %ymm14
-vpsrlq $3, %ymm14, %ymm14
-vpxor %ymm14, %ymm2, %ymm2
-vpermq $78, %ymm13, %ymm14
-vpsllq $61, %ymm14, %ymm14
-vpxor %ymm14, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vextracti128 $0, %ymm3, %xmm15
-vextracti128 $1, %ymm3, %xmm0
-vinserti128 $1, %xmm4, %ymm0, %ymm0
-vextracti128 $1, %ymm4, %xmm1
-vinserti128 $1, %xmm5, %ymm1, %ymm1
-vextracti128 $1, %ymm5, %xmm2
-vpsllq $61, %ymm15, %ymm14
-vpsrlq $3, %ymm15, %ymm13
-vpermq $147, %ymm13, %ymm15
-vpxor %ymm14, %ymm15, %ymm15
-vpxor %ymm15, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vmovdqa %ymm4, %ymm0
-vmovdqa %ymm5, %ymm1
-vpermq $57, %ymm3, %ymm15
-vpsrlq $3, %ymm15, %ymm14
-vpsllq $61, %ymm15, %ymm13
-vpermq $57, %ymm13, %ymm15
-vpxor %ymm14, %ymm15, %ymm15
-vpand const_all_but_high_67(%rip), %ymm15, %ymm2
-vpand const_high_67(%rip), %ymm15, %ymm15
-vpxor %ymm15, %ymm1, %ymm1
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpermq $78, %ymm3, %ymm0
-vpsllq $61, %ymm0, %ymm14
-vpsrlq $3, %ymm0, %ymm13
-vpermq $147, %ymm13, %ymm13
-vpxor %ymm14, %ymm13, %ymm0
-vpand const_all_but_high_67(%rip), %ymm0, %ymm15
-vpand const_high_67(%rip), %ymm0, %ymm0
-vpermq $78, %ymm4, %ymm2
-vpsllq $61, %ymm2, %ymm14
-vpsrlq $3, %ymm2, %ymm13
-vpermq $147, %ymm13, %ymm13
-vpxor %ymm14, %ymm13, %ymm2
-vpand const_high_67(%rip), %ymm2, %ymm1
-vpand const_all_but_high_67(%rip), %ymm2, %ymm2
-vpxor %ymm15, %ymm1, %ymm1
-vpxor %ymm5, %ymm0, %ymm0
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vmovdqa %ymm3, 384(%rsp)
-vmovdqa %ymm4, 416(%rsp)
-vmovdqa %ymm5, 448(%rsp)
-vmovdqa 480(%rsp), %ymm3
-vmovdqa 512(%rsp), %ymm4
-vmovdqa 544(%rsp), %ymm5
-vpsrlq $1, %ymm5, %ymm15
-vpsllq $63, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_1(%rip), %ymm2, %ymm13
-vpand const_all_but_high_67(%rip), %ymm2, %ymm2
-vpsrlq $1, %ymm4, %ymm15
-vpsllq $63, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_1(%rip), %ymm1, %ymm15
-vpand const_all_but_high_1(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $1, %ymm3, %ymm13
-vpsllq $63, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_1(%rip), %ymm0, %ymm13
-vpand const_all_but_high_1(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vmovq %rax, %xmm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $2, %ymm5, %ymm15
-vpsllq $62, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_2(%rip), %ymm2, %ymm13
-vpand const_all_but_high_68(%rip), %ymm2, %ymm2
-vpsrlq $2, %ymm4, %ymm15
-vpsllq $62, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_2(%rip), %ymm1, %ymm15
-vpand const_all_but_high_2(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $2, %ymm3, %ymm13
-vpsllq $62, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_2(%rip), %ymm0, %ymm13
-vpand const_all_but_high_2(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $4, %ymm5, %ymm15
-vpsllq $60, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_4(%rip), %ymm2, %ymm13
-vpand const_all_but_high_70(%rip), %ymm2, %ymm2
-vpsrlq $4, %ymm4, %ymm15
-vpsllq $60, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_4(%rip), %ymm1, %ymm15
-vpand const_all_but_high_4(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $4, %ymm3, %ymm13
-vpsllq $60, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_4(%rip), %ymm0, %ymm13
-vpand const_all_but_high_4(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $8, %ymm5, %ymm15
-vpsllq $56, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_8(%rip), %ymm2, %ymm13
-vpand const_all_but_high_74(%rip), %ymm2, %ymm2
-vpsrlq $8, %ymm4, %ymm15
-vpsllq $56, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_8(%rip), %ymm1, %ymm15
-vpand const_all_but_high_8(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $8, %ymm3, %ymm13
-vpsllq $56, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_8(%rip), %ymm0, %ymm13
-vpand const_all_but_high_8(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $16, %ymm5, %ymm15
-vpsllq $48, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_16(%rip), %ymm2, %ymm13
-vpand const_all_but_high_82(%rip), %ymm2, %ymm2
-vpsrlq $16, %ymm4, %ymm15
-vpsllq $48, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_16(%rip), %ymm1, %ymm15
-vpand const_all_but_high_16(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $16, %ymm3, %ymm13
-vpsllq $48, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_16(%rip), %ymm0, %ymm13
-vpand const_all_but_high_16(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpsrlq $32, %ymm5, %ymm15
-vpsllq $32, %ymm5, %ymm14
-vpermq $57, %ymm14, %ymm2
-vpxor %ymm15, %ymm2, %ymm2
-vpand const_high_32(%rip), %ymm2, %ymm13
-vpand const_all_but_high_98(%rip), %ymm2, %ymm2
-vpsrlq $32, %ymm4, %ymm15
-vpsllq $32, %ymm4, %ymm14
-vpermq $57, %ymm14, %ymm1
-vpxor %ymm15, %ymm1, %ymm1
-vpand const_high_32(%rip), %ymm1, %ymm15
-vpand const_all_but_high_32(%rip), %ymm1, %ymm1
-vpxor %ymm13, %ymm1, %ymm1
-vpsrlq $32, %ymm3, %ymm13
-vpsllq $32, %ymm3, %ymm14
-vpermq $57, %ymm14, %ymm0
-vpxor %ymm13, %ymm0, %ymm0
-vpand const_high_32(%rip), %ymm0, %ymm13
-vpand const_all_but_high_32(%rip), %ymm0, %ymm0
-vpxor %ymm15, %ymm0, %ymm0
-vpermq $57, %ymm13, %ymm13
-vpsrlq $3, %ymm13, %ymm13
-vpxor %ymm13, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpermq $57, %ymm5, %ymm15
-vpand const_high_64(%rip), %ymm15, %ymm14
-vpand const_all_but_high_64(%rip), %ymm15, %ymm2
-vpermq $57, %ymm4, %ymm15
-vpand const_high_64(%rip), %ymm15, %ymm13
-vpand const_all_but_high_64(%rip), %ymm15, %ymm1
-vpxor %ymm1, %ymm14, %ymm1
-vpermq $57, %ymm3, %ymm15
-vpand const_high_64(%rip), %ymm15, %ymm14
-vpand const_all_but_high_64(%rip), %ymm15, %ymm1
-vpxor %ymm0, %ymm13, %ymm0
-vpermq $57, %ymm13, %ymm14
-vpsrlq $3, %ymm14, %ymm14
-vpxor %ymm14, %ymm2, %ymm2
-vpermq $78, %ymm13, %ymm14
-vpsllq $61, %ymm14, %ymm14
-vpxor %ymm14, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vextracti128 $0, %ymm3, %xmm15
-vextracti128 $1, %ymm3, %xmm0
-vinserti128 $1, %xmm4, %ymm0, %ymm0
-vextracti128 $1, %ymm4, %xmm1
-vinserti128 $1, %xmm5, %ymm1, %ymm1
-vextracti128 $1, %ymm5, %xmm2
-vpsllq $61, %ymm15, %ymm14
-vpsrlq $3, %ymm15, %ymm13
-vpermq $147, %ymm13, %ymm15
-vpxor %ymm14, %ymm15, %ymm15
-vpxor %ymm15, %ymm2, %ymm2
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vmovdqa %ymm4, %ymm0
-vmovdqa %ymm5, %ymm1
-vpermq $57, %ymm3, %ymm15
-vpsrlq $3, %ymm15, %ymm14
-vpsllq $61, %ymm15, %ymm13
-vpermq $57, %ymm13, %ymm15
-vpxor %ymm14, %ymm15, %ymm15
-vpand const_all_but_high_67(%rip), %ymm15, %ymm2
-vpand const_high_67(%rip), %ymm15, %ymm15
-vpxor %ymm15, %ymm1, %ymm1
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vpermq $78, %ymm3, %ymm0
-vpsllq $61, %ymm0, %ymm14
-vpsrlq $3, %ymm0, %ymm13
-vpermq $147, %ymm13, %ymm13
-vpxor %ymm14, %ymm13, %ymm0
-vpand const_all_but_high_67(%rip), %ymm0, %ymm15
-vpand const_high_67(%rip), %ymm0, %ymm0
-vpermq $78, %ymm4, %ymm2
-vpsllq $61, %ymm2, %ymm14
-vpsrlq $3, %ymm2, %ymm13
-vpermq $147, %ymm13, %ymm13
-vpxor %ymm14, %ymm13, %ymm2
-vpand const_high_67(%rip), %ymm2, %ymm1
-vpand const_all_but_high_67(%rip), %ymm2, %ymm2
-vpxor %ymm15, %ymm1, %ymm1
-vpxor %ymm5, %ymm0, %ymm0
-vpsrlq $1, %ymm10, %ymm10
-vpand const_1(%rip), %ymm10, %ymm12
-vpsubq %ymm12, %ymm11, %ymm12
-vbroadcastsd %xmm12, %ymm12
-vpxor %ymm3, %ymm0, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm3, %ymm15, %ymm3
-vpxor %ymm4, %ymm1, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm4, %ymm15, %ymm4
-vpxor %ymm5, %ymm2, %ymm15
-vpand %ymm12, %ymm15, %ymm15
-vpxor %ymm5, %ymm15, %ymm5
-vmovdqa %ymm3, 480(%rsp)
-vmovdqa %ymm4, 512(%rsp)
-vmovdqa %ymm5, 544(%rsp)
-mov $281479271743489, %r9
-mov $562958543486978, %rdx
-mov 384(%rsp), %r10
-mov 480(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 0(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 8(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 16(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 24(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 32(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 40(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 48(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 56(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 64(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 72(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 80(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 88(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 96(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 104(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 112(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 120(%rdi)
-mov 392(%rsp), %r10
-mov 488(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 128(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 136(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 144(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 152(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 160(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 168(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 176(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 184(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 192(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 200(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 208(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 216(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 224(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 232(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 240(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 248(%rdi)
-mov 400(%rsp), %r10
-mov 496(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 256(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 264(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 272(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 280(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 288(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 296(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 304(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 312(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 320(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 328(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 336(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 344(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 352(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 360(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 368(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 376(%rdi)
-mov 408(%rsp), %r10
-mov 504(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 384(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 392(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 400(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 408(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 416(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 424(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 432(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 440(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 448(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 456(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 464(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 472(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 480(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 488(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 496(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 504(%rdi)
-mov 416(%rsp), %r10
-mov 512(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 512(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 520(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 528(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 536(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 544(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 552(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 560(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 568(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 576(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 584(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 592(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 600(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 608(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 616(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 624(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 632(%rdi)
-mov 424(%rsp), %r10
-mov 520(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 640(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 648(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 656(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 664(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 672(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 680(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 688(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 696(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 704(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 712(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 720(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 728(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 736(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 744(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 752(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 760(%rdi)
-mov 432(%rsp), %r10
-mov 528(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 768(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 776(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 784(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 792(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 800(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 808(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 816(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 824(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 832(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 840(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 848(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 856(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 864(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 872(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 880(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 888(%rdi)
-mov 440(%rsp), %r10
-mov 536(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 896(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 904(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 912(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 920(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 928(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 936(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 944(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 952(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 960(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 968(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 976(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 984(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 992(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1000(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1008(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1016(%rdi)
-mov 448(%rsp), %r10
-mov 544(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1024(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1032(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1040(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1048(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1056(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1064(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1072(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1080(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1088(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1096(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1104(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1112(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1120(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1128(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1136(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1144(%rdi)
-mov 456(%rsp), %r10
-mov 552(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1152(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1160(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1168(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1176(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1184(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1192(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1200(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1208(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1216(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1224(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1232(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1240(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1248(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1256(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1264(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1272(%rdi)
-mov 464(%rsp), %r10
-mov 560(%rsp), %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1280(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1288(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1296(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1304(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1312(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1320(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1328(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1336(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1344(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1352(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1360(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1368(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1376(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1384(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1392(%rdi)
-shr $4, %r10
-shr $4, %r11
-pdep %r9, %r10, %r12
-pdep %rdx, %r11, %r13
-or %r12, %r13
-mov %r13, 1400(%rdi)
-vmovdqa 1376(%rdi), %ymm0
-vpermq $3, %ymm0, %ymm0
-vpslld $17, %ymm0, %ymm0
-vpsrld $16, %ymm0, %ymm1
-vpor %ymm0, %ymm1, %ymm0
-vbroadcastss %xmm0, %ymm0
-vpaddw 0(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 0(%rdi)
-vpaddw 32(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 32(%rdi)
-vpaddw 64(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 64(%rdi)
-vpaddw 96(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 96(%rdi)
-vpaddw 128(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 128(%rdi)
-vpaddw 160(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 160(%rdi)
-vpaddw 192(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 192(%rdi)
-vpaddw 224(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 224(%rdi)
-vpaddw 256(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 256(%rdi)
-vpaddw 288(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 288(%rdi)
-vpaddw 320(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 320(%rdi)
-vpaddw 352(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 352(%rdi)
-vpaddw 384(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 384(%rdi)
-vpaddw 416(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 416(%rdi)
-vpaddw 448(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 448(%rdi)
-vpaddw 480(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 480(%rdi)
-vpaddw 512(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 512(%rdi)
-vpaddw 544(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 544(%rdi)
-vpaddw 576(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 576(%rdi)
-vpaddw 608(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 608(%rdi)
-vpaddw 640(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 640(%rdi)
-vpaddw 672(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 672(%rdi)
-vpaddw 704(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 704(%rdi)
-vpaddw 736(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 736(%rdi)
-vpaddw 768(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 768(%rdi)
-vpaddw 800(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 800(%rdi)
-vpaddw 832(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 832(%rdi)
-vpaddw 864(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 864(%rdi)
-vpaddw 896(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 896(%rdi)
-vpaddw 928(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 928(%rdi)
-vpaddw 960(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 960(%rdi)
-vpaddw 992(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 992(%rdi)
-vpaddw 1024(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1024(%rdi)
-vpaddw 1056(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1056(%rdi)
-vpaddw 1088(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1088(%rdi)
-vpaddw 1120(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1120(%rdi)
-vpaddw 1152(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1152(%rdi)
-vpaddw 1184(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1184(%rdi)
-vpaddw 1216(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1216(%rdi)
-vpaddw 1248(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1248(%rdi)
-vpaddw 1280(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1280(%rdi)
-vpaddw 1312(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1312(%rdi)
-vpaddw 1344(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1344(%rdi)
-vpaddw 1376(%rdi), %ymm0, %ymm1
-vpand mask_3(%rip), %ymm1, %ymm2
-vpsrlw $2, %ymm1, %ymm1
-vpaddw %ymm1, %ymm2, %ymm2
-vpsubw mask_3(%rip), %ymm2, %ymm14
-vpsraw $15, %ymm14, %ymm15
-vpandn %ymm14, %ymm15, %ymm1
-vpand %ymm15, %ymm2, %ymm14
-vpxor %ymm14, %ymm1, %ymm2
-vmovdqa %ymm2, 1376(%rdi)
-mov %r8, %rsp
-pop %r14
-pop %r13
-pop %r12
-ret
diff --git a/crypto_kem/ntruhrss701/clean/owcpa.c b/crypto_kem/ntruhrss701/clean/owcpa.c
index 68402ebc..b62c147d 100644
--- a/crypto_kem/ntruhrss701/clean/owcpa.c
+++ b/crypto_kem/ntruhrss701/clean/owcpa.c
@@ -2,21 +2,37 @@
 #include "poly.h"
 #include "sample.h"
 
+static int owcpa_check_ciphertext(const unsigned char *ciphertext) {
+    /* A ciphertext is log2(q)*(n-1) bits packed into bytes.  */
+    /* Check that any unused bits of the final byte are zero. */
+
+    uint16_t t = 0;
+
+    t = ciphertext[NTRU_CIPHERTEXTBYTES - 1];
+    t &= 0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG)));
+
+    /* We have 0 <= t < 256 */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 15));
+}
+
 static int owcpa_check_r(const poly *r) {
-    /* Check that r is in message space. */
-    /* Note: Assumes that r has coefficients in {0, 1, ..., q-1} */
+    /* A valid r has coefficients in {0,1,q-1} and has r[N-1] = 0 */
+    /* Note: We may assume that 0 <= r[i] <= q-1 for all i        */
+
     int i;
-    uint64_t t = 0;
+    uint32_t t = 0;
     uint16_t c;
-    for (i = 0; i < NTRU_N; i++) {
-        c = MODQ(r->coeffs[i] + 1);
-        t |= c & (NTRU_Q - 4); /* 0 if c is in {0,1,2,3} */
-        t |= (c + 1) & 0x4;   /* 0 if c is in {0,1,2} */
+    for (i = 0; i < NTRU_N - 1; i++) {
+        c = r->coeffs[i];
+        t |= (c + 1) & (NTRU_Q - 4); /* 0 iff c is in {-1,0,1,2} */
+        t |= (c + 2) & 4;  /* 1 if c = 2, 0 if c is in {-1,0,1} */
     }
-    t |= MODQ(r->coeffs[NTRU_N - 1]); /* Coefficient n-1 must be zero */
-    t = (~t + 1); // two's complement
-    t >>= 63;
-    return (int) t;
+    t |= r->coeffs[NTRU_N - 1]; /* Coefficient n-1 must be zero */
+
+    /* We have 0 <= t < 2^16. */
+    /* Return 0 on success (t=0), 1 on failure */
+    return (int) (1 & ((~t + 1) >> 31));
 }
 
 
@@ -108,8 +124,8 @@ int PQCLEAN_NTRUHRSS701_CLEAN_owcpa_dec(unsigned char *rm,
 
     fail = 0;
 
-    /* Check that unused bits of last byte of ciphertext are zero */
-    fail |= ciphertext[NTRU_CIPHERTEXTBYTES - 1] & (0xff << (8 - (7 & (NTRU_LOGQ * NTRU_PACK_DEG))));
+    /* Check that the unused bits of the last byte of the ciphertext are zero */
+    fail |= owcpa_check_ciphertext(ciphertext);
 
     /* For the IND-CCA2 KEM we must ensure that c = Enc(h, (r,m)).             */
     /* We can avoid re-computing r*h + Lift(m) as long as we check that        */
diff --git a/crypto_kem/ntruhrss701/clean/poly_mod.c b/crypto_kem/ntruhrss701/clean/poly_mod.c
index 01d174b1..820e206c 100644
--- a/crypto_kem/ntruhrss701/clean/poly_mod.c
+++ b/crypto_kem/ntruhrss701/clean/poly_mod.c
@@ -30,14 +30,22 @@ void PQCLEAN_NTRUHRSS701_CLEAN_poly_mod_q_Phi_n(poly *r) {
 }
 
 void PQCLEAN_NTRUHRSS701_CLEAN_poly_Rq_to_S3(poly *r, const poly *a) {
-    /* NOTE: Assumes input is in [0,Q-1]^N */
-    /*       Produces output in {0,1,2}^N */
     int i;
+    uint16_t flag;
 
-    /* Center coeffs around 3Q: [0, Q-1] -> [3Q - Q/2, 3Q + Q/2) */
+    /* The coefficients of a are stored as non-negative integers. */
+    /* We must translate to representatives in [-q/2, q/2) before */
+    /* reduction mod 3.                                           */
     for (i = 0; i < NTRU_N; i++) {
-        r->coeffs[i] = ((MODQ(a->coeffs[i]) >> (NTRU_LOGQ - 1)) ^ 3) << NTRU_LOGQ;
-        r->coeffs[i] += MODQ(a->coeffs[i]);
+        /* Need an explicit reduction mod q here                    */
+        r->coeffs[i] = MODQ(a->coeffs[i]);
+
+        /* flag = 1 if r[i] >= q/2 else 0                            */
+        flag = r->coeffs[i] >> (NTRU_LOGQ - 1);
+
+        /* Now we will add (-q) mod 3 if r[i] >= q/2                 */
+        /* Note (-q) mod 3=(-2^k) mod 3=1<<(1-(k&1))                */
+        r->coeffs[i] += flag << (1 - (NTRU_LOGQ & 1));
     }
 
     PQCLEAN_NTRUHRSS701_CLEAN_poly_mod_3_Phi_n(r);