Nvidia libera Warp como proyecto de código abierto bajo licencia Apache 2 para potenciar la colaboración en simulaciones físicas
Nvidia convierte Warp en un proyecto abierto, facilitando el acceso y desarrollo colaborativo en simulaciones físicas y procesamiento espacial.
Nvidia ha anunciado que Warp, su framework en Python para simulaciones físicas, generación de datos y cálculo espacial, pasa a estar bajo la licencia Apache 2, lo que confirma su condición de proyecto de código abierto. Este cambio responde a las críticas de la comunidad sobre la licencia anterior, que aunque era propietaria, permitía acceso al código fuente, pero reservaba ciertos derechos de uso. Con la nueva licencia, Warp es completamente open source, lo que fomenta una mayor colaboración y desarrollo comunitario.
Warp ofrece primitivas especializadas para simulaciones físicas, sensores, robótica y procesamiento geométrico, incluyendo estructuras de datos complejas como mallas, grids y volúmenes dispersos, optimizadas para su uso en GPU. A diferencia de otras soluciones basadas en TensorFlow, Warp proporciona gestión implícita del kernel y de los hilos, lógica condicional nativa, así como operaciones de sparse scatter y gather para procesamiento vectorial, logrando un rendimiento comparable al código CUDA nativo, pero con la facilidad y productividad que ofrece Python.
El framework compila funciones Python en tiempo real en código kernel que puede ejecutarse en CPU x86 y GPUs con CUDA, soportando plataformas como Windows, Linux y macOS en arquitecturas x86-64 y ARMv8. Para aprovechar las capacidades gráficas es necesario contar con GPUs CUDA, mínimo de la serie GeForce GTX 9xx, además de los controladores adecuados. Nvidia recomienda usar Python en versiones 3.9 o superiores, y sus binarios en PyPI están compilados con CUDA 12, requiriendo controladores específicos para un funcionamiento óptimo.
En su ejemplo de uso, Warp permite calcular la longitud de vectores en 3D de forma eficiente, facilitando tareas complejas en simulaciones y procesamiento de datos. La comunidad puede acceder a documentación, notebooks interactivos y ejemplos de código para integrar Warp en diversos proyectos de simulación y aprendizaje automático, incluyendo frameworks como PyTorch, JAX, Nvidia Omniverse y Paddle.