PC提案事例

ロボット機械学習向けに高性能ワークステーションを導入したい。
希望する仕様は、OSがUbuntu 22.04、CPUがIntel Core Ultra 9、メモリが128GB、ストレージがSSD 4TB＋HDD 2TBを組み合わせ。
GPUにはRTX6000 Adaを4枚搭載し、この条件で見積もってほしい。

CPUについて

ご要望のCore Ultraシリーズではコンシューマ向け設計で、PCI Expressのレーン数の仕様により2枚以上のGPUに対応しておりません。
代替案として、複数枚構成に対応可能なXeonベースのプラットフォームを採用しました。
PCIeレーン数が増えたことで、GPU4枚構成でも十分な帯域を確保し、安定したパフォーマンスを維持できます。

GPUと電源環境について

RTX6000 Adaを4枚搭載する本構成では、消費電力が非常に大きくなります。
(CPUやその他の機器を含めると、2000Wを超える可能性がございます)
そのため、安定した電力供給を確保するために、最大出力2800Wの電源ユニットを採用し、200V用の電源ケーブルも付属しています。

参考：RTX 6000 Ada 世代グラフィックス カード _ NVIDIA

※搭載電源は200V専用モジュールです。
家庭用の100Vコンセントではご使用いただけません。
設置予定の設備が 200V に対応しているか、事前にご確認ください。

メモリとストレージ

メモリ128GB、SSD 4TB、HDD 2TBは、お客さまのご要望に応じて搭載しています。

注意点として、メインメモリ容量は搭載するGPUのVRAM合計容量よりも十分に余裕を持たせることが推奨されます。

メモリ容量がVRAM容量を下回る場合、学習データ等をGPUへ展開する際にボトルネックが発生したり、処理エラーを引き起こす可能性があります。
本構成の RTX 6000 Ada ×4 (VRAM合計192GB) の場合は、メモリ256GB以上が推奨容量です。

これらの点をご説明したうえで初期構成をメモリ128GBとし、将来的な増設を前提とした構成としてご案内しております。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

お問い合わせ

大規模言語モデル（LLM）のローカル検証を目的にした、高性能PCを導入したい。
VRAM容量は不問、可能な限り多くの高性能GPUを搭載した構成を希望する。
予算は250万〜500万円程度で、Ollamaの利用を想定。
GPUドライバー、CUDA ToolkitおよびcuDNNのプリインストールも依頼したい。
環境は、200V電源の使用が可能。

GPUの選定について

今回の用途では、GPU性能とVRAM容量の両立が重要です。
LLMによっては140GB程度のVRAMが必要となることもあるため、NVIDIA RTX PRO 6000 Max-Q（96GB）を2枚搭載する構成をご提案しました。
さらに、3枚目のRTX PRO 6000 Max-Qの増設にも対応できるよう、空きPCIeスロットを確保した設計です。

テグシスでは LLM における GPU 性能差をまとめた技術記事を公開しています。
前編では RTX 5090 / RTX 4090 / RTX 5000 Ada の実測比較を、続編では RTX PRO 6000 Max-Q を加えた検証 をご紹介しています。
詳細な検証結果は、下記をご覧ください。

メモリ構成と拡張性

LLMの推論では、VRAMを十分に確保することが前提となり、あわせてシステムメモリも同程度以上の大容量が求められます。
本構成では、256GB (64GB×4枚) のメモリを実装し、空きスロットには同容量 (64GB) のモジュールを増設可能です。

将来的に3枚目のGPUを増設する場合、VRAMの総量は 96GB × 3 = 288GB となります。
その際には、空きスロットを活用してメモリを増設することで、適切なシステムメモリを無理なく満たせます。
これにより、GPU増設後もボトルネックを避けて、安定したデータ処理を実現できます。

ソフトウェアの事前環境構築

GPUドライバー、CUDA Toolkit、cuDNNを適切なバージョンでプリインストールし、即時利用可能な環境で納品します。
PyTorchなどのフレームワークは、お客様によるセットアップを予定していますが、当社でも導入実績があり、必要に応じてご相談も承ります。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

お問い合わせ

100V環境で使用可能なワークステーションの導入を検討している。予算は約500万円。
用途は機械学習と数値計算。
使用予定のソフトウェアは、PyTorchやTensorFlowなどの機械学習ライブラリに加え、OpenSWPC、SPECFEM、hbi、自作のMPI/OpenMPコードによる並列計算コード。
希望するハードウェアスペックは以下の通り。

・CPU：64コア以上
・メモリ：256GB以上（帯域幅も重視）
・GPU：VRAM 96GB以上
・SSD：高速I/O対応、4TB以上

並列計算に最適なCPU構成

数値計算に最適なCPUとして、64コア128スレッドのRyzen Threadripper PRO 9985WXを採用しています。
多くのコア数に加え、ベースクロック 3.20GHzという高い動作周波数により、MPIやOpenMPを活用した並列処理を効率的に実行できます。
また、8チャネル対応のDDR5メモリにより、メモリ帯域のボトルネックを軽減しており、複数のプロセスを同時に実行する場合でも、安定した処理が可能です。

メモリ構成について

OpenSWPCやSPECFEMなど、大規模な行列データを扱う波動解析ソフトでは、十分なメモリ容量と高速なアクセス性能が求められます。
本構成ではDDR5-5600 REG ECC 512GB（64GB×8枚）を搭載し、容量・帯域幅ともに余裕ある環境を実現しています。
複雑な数値計算や並列処理においても、安定したパフォーマンスで計算処理を行えます。

GPUの選定と拡張性

機械学習用途として、GPUにはVRAM 96GBのRTX PRO 6000 Max-Qを選定しています。
大容量のグラフィックメモリは、深層学習だけでなく、GPUを利用する技術計算にも適しており、幅広い解析処理に活用できます。
SPECFEM3D Cartesianの解析では、NVIDIA公式にてマルチGPUによる性能向上が報告されています。

参考：SPECFEM3D Cartesian GPU & Software Configurations

本構成は100V環境での単体運用を想定しており、200V環境が整えば2枚目のGPU増設も可能です。
あらかじめ1600W電源を搭載しているため、将来的なGPU拡張にもスムーズに対応できます。

ストレージとI/O性能

解析に必要な高速I/Oを実現するため、Gen5 NVMe SSD 4TB（読み込み速度10,000MB/s以上）を搭載しています。
これにより、大容量データの読み書きが高速に行え、解析処理の効率が上昇します。
さらに、Gen4 NVMe SSD 4TBを併設しており、作業領域と保存領域を分けて運用することで、データ管理の効率化と安定性を両立できます。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

お問い合わせ

昨年度、機械学習用途でRTX 4090を4枚搭載したPCを導入し、処理性能には満足していた。
今年度も、同等または後継機の構成を検討する必要があり、急ぎで見積もりをしてほしい。
RTX 4090に代わるおすすめGPUがあれば、4枚構成時の予算感を把握したい。

将来的にRTX PRO 6000 Max-Qを4枚まで搭載できる構成をご案内しました。

GPUについて

ご希望いただいたRTX 4090は、2025年10月現在、生産・流通が終了しているため、入手が困難です。
そのため、後継機種かつ上位互換としてNVIDIA RTX PRO 6000 Max-Q (VRAM 96GB) をご提案しました。
VRAM容量が非常に大きいため、大規模な機械学習など、高負荷をかける処理でも高いパフォーマンスを発揮します。

GPUの搭載数と電源構成

今回はRTX PRO 6000 Max-Qを1枚のみ搭載していますが、将来的なGPU増設を見据え、合計4枚まで拡張可能な筐体と電源を採用しています。
電源には200V専用の2800W電源を使用しているため、複数枚のGPUも余裕を持って動作させられます。

※搭載電源は200V専用モジュールです。家庭用の100Vコンセントではご使用いただけません。
設置予定の設備が200Vに対応しているか、事前にご確認ください。

VRAMと関係が深いシステムメモリ

大容量のVRAMを活かした快適な計算の実現には、システムメモリ (RAM) にも高い性能が求められます。
今回は、システムメモリに512GBを搭載しました。
VRAMとRAMのバランスを最適化は、スワップの発生を防ぐとともに、計算処理の速度と安定性を維持します。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

お問い合わせ

Google-MLのJAX を活用した機械学習および数値シミュレーションを主用途に、汎用有限要素法ソフト (Abaqusなど) による解析も想定している。
予算は100万円程度。
Blackwell世代のGPUとIntel製CPU、GPUメモリは可能な限り大容量を希望。

GPUの選定について

JAXによる機械学習では、GPUのメモリ容量と演算性能が重要です。
Blackwell世代GPUは機械学習用途に適していますが、ご予算とのバランスを考慮し、RTX PRO 4500 (32GB VRAM) をご提案しています。
同じビデオメモリ容量で処理能力が高いGeForce RTX 5090も検討候補になりますが，電源や冷却性能の強化が必要となるため、ご予算内で最適な選択肢としてRTX PRO 4500を採用しました。

CPU・メモリの選定について

有限要素解析ソフトAbaqusは、CPUのシングルスレッド性能が処理速度に直結します。
そこで、本構成では高いシングルスレッド性能を持つIntel Core Ultra 9 285Kを採用し、解析時間の短縮と安定性の両立を図りました。
メモリにはDDR5-6400を32GB×2枚 (計64GB) 搭載。将来的には空きスロットを活用し、最大128GBまで拡張可能です。

電源容量と安定運用

高性能GPUとCPUの同時稼働に対応するため、電源には1000Wモデルを採用しました。
電力に余裕を持たせることで、ピーク時の負荷変動によるシャットダウンや性能低下を防ぎ、システムの安定性を確保しています。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

お問い合わせ

主な用途は、MATLABやPythonによる数理シミュレーション解析と、FIJIやMATLABを用いた画像解析。
並列計算効率を重視するため、32コア/64スレッドのCPUと256GB以上のメモリを希望。
機械学習やAdobe After Effectsの利用も想定しており、GPU性能やストレージの拡張性についても相談したい。

CPU・メモリ構成について

数理シミュレーションや画像解析、並列処理を効率的に行うため、2025年9月時点で最新世代のIntel Xeon W7-3565X (32コア/64スレッド) を採用しました。

メモリは32GBモジュールを8枚搭載し、合計256GBを実装。
さらに、空きスロットを8本確保しており、最大512GBまでのメモリ増設が可能です。

GPU・ストレージについて

軽量な機械学習処理やAdobe AfterEffectsによる動画編集を想定し、NVIDIA RTX 4000 Ada (20GB) を採用しました。
ワークステーション向けGPUとして、画像分類や映像処理で安定した性能を発揮します。

システムには2TB NVMe SSDとデータ保存用の8TB SATA SSDを搭載。
作業内容に応じて保存先を使い分けることで、I/O負荷の高い作業でもスムーズな分析を実現します。
また、5〜10TBクラスのM.2 SSDの追加にも対応しており、将来的な解析規模の拡大にも柔軟に対応可能です。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しております。
ハードウェア仕様のカスタマイズや周辺機器の追加、各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っております。
お客様のニーズに合わせて最適なソリューションをご提供いたしますので、どうぞお気軽にお問い合わせください。

お問い合わせ

5年前に購入したRT X3090搭載PCで機械学習 (XGBoostなど) を行っていたが、GPUの動作不良のため、買い替えを検討している。
主にテーブルデータを用いた学習・推論が中心で、今後は深層学習 (LSTMなど) への展開も視野に入れている。
解析にはPythonやR、SASなどを使用し、数十万レコード規模のCSVデータを扱う。予算は100万円程度を想定。

CPU・メモリ構成について

現在の用途と将来的な拡張性を考慮し、従来使用されていたCore i9-10900Kの後継機種として、最新世代のCore Ultra 285Kを選択しました。
メモリは64GB（32GB×2）を搭載し、さらに2枚追加可能な構成とすることで、将来的なデータセットの大型化や深層学習への対応も可能です。

GPUとストレージの選定

GPUにはRTX3090の後継にあたるRTX 5090を採用。
XGBoostやLSTMなど、GPUを活用する処理において、前世代よりも高速な学習・推論が可能です。
複数GPU構成も選択肢にありましたが、コスト面を考慮し、単体GPUでの最適化をご提案しました。

ストレージにはPCIe Gen5対応のM.2 SSDを搭載。最大14GB/sの高速な読み込みにより、大容量のCSVデータのロード時間を短縮できます。

高発熱パーツへの冷却対策

RTX5090とGen5 SSDは発熱量が非常に高いため、安定した運用には冷却設計への工夫が欠かせません。
本構成では、ケースエアフローの最適化、M.2 SSD専用の冷却機構、GPUの排熱経路の設計など、複数の冷却技術を組み合わせることで、サーマルスロットリングやハードウェア故障のリスクを抑えています。

社内で高負荷時の温度試験を実施した結果、Gen5 SSDとRTX 5090を同時に稼働させた際も、性能の低下は確認されませんでした。
高発熱パーツを安定して運用するための冷却設計が機能しており、長時間の学習処理や高負荷な解析にも十分対応できる構成です。

メモリ増設やストレージの強化にも柔軟に対応できるため、研究の進展に合わせて安心して使い続けることができます。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
ハードウェア仕様のカスタマイズや周辺機器の追加、各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

お問い合わせ

事例No.PC-24001322を見ての問い合わせ。
Alphafold3やESM Cambrianによる解析、および機械学習に使用するPCを購入したい。
将来的にはGromacsやGaussianの利用も想定しており、特にGaussianへの対応を考慮して、高性能のCPU、GeForce RTX 4090、128GB以上のメモリを希望。

参考：事例No.PC-24001322 機械学習用マシン

深層学習や量子化学計算など、GPU負荷型・CPU負荷型のいずれの処理にも対応できるよう、計算性能とメモリ構成を最適化しました。
Alphafold3、scikit-learn、Gaussianなどの研究向けツールを安定かつ効率的に活用できます。

Alphafold3を主目的としたGPU

Alphafold3は、深層学習を用いたタンパク質構造予測ソフトウェアで、推論処理の大部分をGPU上で実行します。
当初はGeForce RTX 4090をご希望いただきましたが、すでに終息していたため、同世代のAdaシリーズであるRTX 4500 Adaをご提案しました。

その後、お客様から「GeForce RTX 5090でAlphafold3が動作している事例を確認した」とのご連絡があり、最新のRTX 5090GPUを採用することとなりました。
なお、この情報はGitHub上のユーザー報告によるもので、公式サポートではありませんが、社内検証と複数の事例を踏まえ、実環境での安定稼働を確認しています。

参考：Alphafold3 GitHubページ

Gaussianを快適に運用するためのCPU性能とメモリ容量

DFT計算では、以下の3要素が性能を左右します。

• コア数：並列処理性能に直結。
• クロック周波数：シングルコア性能を左右
• メモリ容量・帯域：大規模計算の安定性を確保

本構成には、16コア32スレッド・最大5.7GHz動作の Ryzen 9 9950X を採用。並列処理とシングルスレッド性能のバランスに優れ、最大192GBのメモリを搭載しています。
大規模分子系の計算ではメモリ不足が性能低下の要因となるため、本構成ではCPUが対応する最大容量までメモリを搭載しています。
GPUとのバランスも良く、高負荷演算に対応できる構成です。

導入までの流れを、実際のやりとりからご紹介

こうした構成をご提案するまでの流れを紹介した事例もございます。
Gaussian導入にあたってのご相談内容、構成決定までの流れをご紹介しています。
検討の参考に、ぜひご覧ください。

参考：【導入事例】研究開発者のお悩みに”対話”で応えるテグシスの提案力

主に使用したいソフトウェアや今後の方針に応じて、柔軟なカスタマイズが可能です。初期相談からカスタマイズまで、お気軽にお問い合わせください。

お問い合わせ

助成金申請用の参考見積もりを依頼したい。
Sentinel (センチネル) などの衛星画像を用いて、機械学習・深層学習による森林の種組成分析を行いたい。
予算は100万円前後を想定している。

ご予算を踏まえて、衛星画像を用いた機械学習・深層学習に適した、バランスの良いCPU/GPU構成を選定しました。

処理の安定性を重視し、CPUにはIntel Xeon W3-2525 (8コア16スレッド)を採用しています。
データの前処理や複数プロセスの同時実行にも十分な性能を発揮します。

学習・推論処理向けに、NVIDIA RTX 4000 Ada (20GB) を搭載。画像処理や中規模な深層学習タスクにおいて、高速な演算性能を提供します。
また、メモリは128GBを実装しており、大規模データの一括処理にも対応可能です。
空きスロットを活用すれば、将来的な解析規模の拡大にも柔軟に対応できます。

本構成は、研究用途を想定した一例としてご紹介しています。
助成金や科研費の申請資料としてもご活用いただける内容です。

ご利用予定のソフトウェアや処理内容に応じて、CPUやGPUのスペックは柔軟に調整可能です。
将来的な運用や発展的な活用も見据えてご検討ください。

より高負荷な演算やGPU性能を重視する用途については、以下のような応用構成もご参照いただけます。

参考：事例No.PC-25000461 機械学習・大規模言語モデル (LLM) 処理向けマシン

解析の想定規模や使用ツールに合わせて、最適な仕様をご提案いたします。
掲載内容に含まれない条件やご要望につきましても、どうぞ遠慮なくご相談ください。

お問い合わせ

予算330万円 (税込) 未満で、機械学習を用いた画像識別や大規模言語モデルを使用した自然言語処理なども実施可能なマシンを希望する。
想定しているスペックは以下の通り。

OS：Ubuntu
メモリ：256GB以上
ストレージ：SSD 1TB以上、HDD 4TB以上
GPU：NVIDIA RTX 6000 Ada 世代 / 48GB以上

ご連絡いただいたご要望に合わせて構成を検討しました。
なお、ご提示の条件に対してご予算に余裕がありましたため、より快適な運用を見据えて、SSDおよびHDDの容量をそれぞれ2倍に拡張 (SSD 1TB→2TB、HDD 4TB→8TB) しました。

電源要件について

本構成は、将来的な拡張を想定していないGPU1基のみとなっております。
そのため、ご家庭や一般的なオフィス環境における「100Ｖ電源」で使用が可能です。
導入時以降にGPUの増設を検討される場合には、適切な電源ユニットや運用環境などを個別にご案内いたします。

同一型番のGPU「NVIDIA RTX 6000 Ada 48GB」を2基搭載した仕様の導入事例もございますので、下記ページをご参照ください。

参考：RTX 6000Ada x2枚搭載 AI開発用マシン

また、LLM要約タスクを用いて、GPU構成ごとの処理性能を比較検証した結果も公開しております。
ぜひ、構成検討の参考にご覧ください。

参考：もし、LLMに太宰治の『走れメロス』を要約させたらGPU構成ごとのパフォーマンスはどうなるのか？

GPUの増設や複数基の搭載に伴って構成全体の消費電力が増加する場合、200V電源環境でのご利用が必要となるケースもございます。

総消費電力の目安として、1600Wの電源ユニットをご利用の場合、200V環境では最大出力の1600W、100V環境ではおよそ1200Wまで対応可能です。

ご提示いただいたご希望に合わせて柔軟なマシンをご提案いたします。掲載内容とは異なる条件でも、お気軽にご相談ください。

お問い合わせ