本文深入探讨了一种名为“双倍精度”的算术技术，旨在填补标准双精度浮点数与任意精度数学库之间的性能与精度空白。该方法通过将两个标准的64位双精度浮点数组合并在逻辑上视为单一数值，从而在不依赖堆分配、外部库或原生二进制文件的情况下，提供约31位十进制精度（约106位有效二进制位）。文章详细解析了实现该技术的核心算法，即基于Knuth的“two-sum”和利用硬件FMA（融合乘加）指令实现的“two-product”，这些误差自由变换确保了运算的精确性。性能基准测试表明，在实际应用中，双倍精度的计算成本约为普通双精度浮点数的9倍，但在同等精度水平下，其性能却比使用MPFR的任意精度库快了近9倍（整体比普通double慢约81倍）。这种技术特别适用于需要深度缩放或高精度中间计算的场景，如分形渲染，且由于其基于值类型的实现，支持向量化并避免了垃圾回收的开销。
事件分析
这项技术展示了在现有硬件架构下挖掘计算潜力的独特思路。通常，提升计算精度意味着巨大的性能开销或依赖复杂的软件库，而“双倍精度”方案巧妙地利用了现代CPU的FMA指令集，将软件算法与硬件特性紧密结合。对于高性能计算、科学模拟或图形渲染等领域，这提供了一种极具吸引力的“中间路线”：在保持栈分配和值类型语义优势的同时，显著突破了标准浮点数的精度极限。它强调了在没有原生硬件支持（如x86缺乏128位浮点支持）的环境下，通过纯软件构造和指令级优化来模拟高精度运算的可行性，这对于减少垃圾回收压力、提升计算密集型任务的吞吐量具有重要的工程参考价值。
核心观点：通过算法巧妙利用FMA指令，软件构造的高精度数值类型能以极低成本填补硬件浮点数与重型数学库之间的巨大性能鸿沟。
原文链接：Hacker News
