PC提案事例

Ansys Fluentが出来るだけ高速に動くワークステーション構成を提案してほしい。

GPUは手持ちのNVIDIA Quadro RTX 6000を搭載したい。
また、将来的にはグラフィックカードを合計2枚搭載する可能性もあるため、2枚のグラフィックカードに対応したハードウェア構成と、100V環境における最大容量の電源を搭載したい。
コストよりも能力と安定性を重視したいと考えている。

希望する条件は以下の通り。

お客さまご希望の条件に沿った構成をご提案しました。

AMD EPYCとOSの対応

128コアを搭載する場合、EPYCの採用が必要となりますが、EPYCはWindows11 Proに対応していません。
Windows Serverであれば対応していますが、コア数ベースのライセンスのため、OSが非常に高額となってしまいます。

Windows11に対応したAMD Ryzen ThreadripperPRO

そのため、ご希望のOSであるWindows 11 Proに対応しているAMD Ryzen ThreadripperPRO 5000シリーズを搭載した構成をご案内しました。
AMD Ryzen ThreadripperPRO 5995WXは64コア/128スレッドの製品のため、スレッド単位であれば128の並列計算を行うことも可能です。

電源容量は1500Wを選択しています。
なお、1500Wは200V環境で使用した際の最大出力で、100V環境では最大で1300W程度の出力です。
また、本構成は2枚のグラフィックカードを搭載することが可能な構成です。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

生物学向け大規模言語モデルの学習用マシンの導入を検討している。
ProteinBERT、 ChemBERTa、 HyenaDNAといった生物学で用いられる大規模言語モデルを事前学習から実行したいと考えている。

ProteinBERTはNvidia Quadro RTX 5000、ChemBERTaはNVIDIA Tesla T4、HyenaDNAはNVIDIA A100をそれぞれ学習に使用したとの情報があるため、GPUの性能を重視したい。

予算300万円以内で、上記の用途における計算処理を最も高速化できる構成を提案してほしい。

また、設置場所の制限があるため、筐体サイズはミドルタワー程度で、100V環境で使用可能な構成が望ましい。

希望する条件は以下の通り。

お客さまご希望の条件に沿った構成をご提案しました。
ご予算・利用環境を踏まえたうえで、GPU性能を重視した構成です。

GPUの選定について

GPUはNVIDIA RTX A6000 x2枚を搭載しています。
ProteinBERT開発元の公式サイトによると、学習済みモデルの構築にはNVIDIA RTX5000を用いて1か月ほど要したと記載されています。
A6000はRTX5000より世代が新しく、ラインナップ上でも上位モデルにあたる製品のため、RTX5000よりも高い処理性能が期待できます。

例として挙げていただいたNVIDIA Tesla T4は、推論向けとして利用されることが多い製品です。そのため、本構成ではNVIDIA TeslaT4よりも単体性能が高いA6000を採用しています。

NVIDIA A100とRTX A6000の違い

また、NVIDIA A100は、A6000とは異なり、GPGPU専用カードです。
高いfp64性能を持ち科学計算に適した製品ですが、今回のようなDeepLearning用途ではfp64性能が利用されることはほとんどありません。
あわせて、価格に関してもA6000と比較して非常に高額で、かつ専用の筐体でなければ利用できないことから、今回の利用条件や用途におけるマッチングが高くないと判断しました。

ストレージに関しては、ProteinBERTの開発元よりユーザー自らモデルの学習を行う場合は1TB以上のストレージ容量を確保することが推奨されているため、2TBのシステムディスク、4TBのデータディスクを搭載しています。
なお、学習中に頻繁なデータアクセスが発生することを想定して、ストレージはすべてSSDとしています。

OSはWindows 11を選択しています。
ご使用予定の言語モデルは基本的にはPythonパッケージで提供されているもののため、Pythonを使用可能なOSであれば、ご希望に応じて変更も可能です。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

Stata/MP (12コア) 、 R、 Python等でのデータ解析・シミュレーション用マシンの導入を検討している。将来的には機械学習を行うことも考えている。
予算100万円程度で、用途に適した構成を提案してほしい。

解析等に用いるデータや生成物はすべて外付けのメディアに保存するため、大容量ストレージを搭載する必要はない。
また、解析のために1日以上継続してマシンを稼働させることがあるが、頻繁に長時間稼働させることはない。
ワークステーションではないマシンでもこのような運用を行うことができれば、コンシューマー向けの構成を希望する。

加えて、12コアライセンスのStataを使用予定だが、どの程度のコア数のCPUが適しているかを教えてほしい。

その他の希望条件は以下を想定している。

お客さまのご希望条件に合わせて構成を検討しました。

計算用途におけるコンシューマー向け構成の利用

ご予定の運用方法を踏まえて、コンシューマー向けの構成にてご提案しています。
コンシューマー向けの構成を1日連続稼働させると直ちに故障するといったことはありませんが、長時間の計算を頻繁に行う場合には、ECCメモリに対応したワークステーションを利用することで信頼性を高めることができます。
反対に、最長で24時間程度しか連続稼働させない場合には、コストパフォーマンスを重視してワークステーション向けではない構成を利用することも有用な選択肢です。

ライセンスの契約コア数とCPUコア数の選び方

CPUはRyzen 7000シリーズのRyzen9 7950X (16コア) を選択しています。
12コアしか搭載していないCPU において、ライセンス上の最大数である12コア全てでStataを稼働させた場合、CPUのリソースを使い切ることになり、並行して別の作業を行う際に影響が出る可能性があります。
そのため、16コアモデルのCPUを選択し、リソースに余裕を持たせていますが、Stataの稼働中に他の操作を行わない場合は12コアモデルに変更することも可能です。

また、機械学習での利用予定がある点を踏まえて、ビデオカードはCUDAを使用する想定でハイエンドのワークステーション向けグラフィックボード NVIDIA RTX A5000を選定しています。ビデオカードはご希望に応じて変更できますので、気兼ねなくお申し付けください。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

AIモデル開発向けマシンの導入を検討している。
手元に多数のビデオカード (NVIDIA RTX A4500、NVIDIA RTX A5000、NVIDIA RTX A6000) を保有しているため、支給品として組み込んでPCを製作してほしい。

また、100V環境で使用可能なタワー型の構成を希望する。

希望する条件は以下の通り。

お客様ご希望の条件に沿った構成をご提案しました。

Core i9を採用した場合、最大PCIeレーン数が20レーンになるため、16レーンで接続できるビデオカードは1枚までとなります。そのため、2023年9月時点で最新のXeon W-3400シリーズ　(最大PCIeレーン数：112) を選択しています。本構成では16コアモデルの Xeon W7-3435Xを選択していますが、ご希望に応じて変更も可能です。

100V電源環境におけるビデオカードの最大搭載可能数

また、100V環境での使用を想定する場合、ビデオカードの最大搭載可能数は以下の通りとなります。

同一型番のGPUの場合、支給品と新規でご購入いただいた個体を混載することも可能です。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。