PC提案事例

液晶ディスプレイや、液晶光デバイスの開発時に利用するシミュレーション・数値計算ソフトウェア「LCD Master」を使用するためのPCを検討している。
具体的には、液晶ダイレクタの配向状態を調べる液晶配向計算と、光の透過率や偏光状態を調べる光学計算を行いたい。
特に3次元構造を計算するLCD Master/3Dは精度の良い計算ができる一方で、計算に時間がかかりメモリ使用量も多い。
そこで、高性能なCPUと512GB程度のメモリを積んだ構成を、予算300万円程度で提案してほしい。

また、LCD MasterはGPUに非対応だが、今後のことを考慮してRTX4090を搭載してほしい。将来的にはRTX4090を2枚搭載する可能性がある。

その他、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。

計算能力を重視したCPU

最新の第4世代Xeon Scalableシリーズを搭載した構成です。

ご予算内で計算性能を重視し、36コアモデルのIntel Xeon W9-3475Xを選択しています。 コア数、スレッド数の多さによる並列処理性能はもちろんのこと、TurboBoost時の最大クロック数も高いため、並列処理数が少ない場合でも性能を発揮します。

RTX4090の増設に対応

グラフィックカードはご要望にあわせてRTX4090を搭載しています。本構成はRTX4090を合計で2枚まで搭載することが可能ですので、将来的に＋1枚増設できる余地があります。
なお、本構成は100Vの電源環境でご利用いただけますが、RTX4090を2枚搭載した場合は200V環境でご利用いただく必要があります。

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。

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。

DFT法 (密度汎関数法)を用いた固体の電子構造計算プログラムパッケージ「WIEN2k」を用いて、バンド構造計算を行うことを想定した構成例です。

本構成はエントリーモデルという立ち位置でのスペック例であり、WIEN2kにおける最小スペックという考え方で構成しています。
WIEN2kの利用では、「CPU：Core i 7 or i9、メモリ：32GB」が1つの基準となりますので、それにあわせた構成例です。

より専門性の高い構成は、以下の事例をご覧ください。

WIEN2kプリインストールマシン スタンダード構成 (2023年10月版)
WIEN2kプリインストールマシン おすすめ構成 (2023年10月版)

また、WIEN2kの詳細はこちらをご参照ください。
■WIEN2k プログラム作成元 WEBサイト
■研究開発者向け海外製品調達・コンサルテーションサービス ユニポス　「WIEN2k」

本構成にプラスして、ライセンスの販売・インストールした状態での出荷も承っております。
ご予算・追加条件など、ご要望にあわせたカスタマイズにつきましても、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。