PC提案事例

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

事例No.PC-10873を見ての問い合わせ。
elyza の Llama-3-ELYZA-JP-8B を用いて自然言語処理を行い、文章の要約を実行しているが、現在使用中のPCでは1件あたりの演算に5分以上かかってしまう。
処理時間を短縮するため、新たにPCの導入を検討しており、予算は税込146万円以内を希望している。
大学に提出する参考資料として、パーツ構成や見積額の詳細を知りたい。

参考：PC-10873 自然言語処理モデル用ワークステーション

お客様のご要望を踏まえ、計算時間の短縮を目的として、GPUおよびメモリ性能を重視した構成をご提案いたしました。

LLMを高速に動かすために重要なGPU

LLMの推論処理では、GPUのVRAM容量と演算性能が処理時間に大きく影響します。
特に、十分なVRAM容量があることで、より大規模なモデルをGPU単体で処理できるようになり、効率的な推論が可能となります。
一方、VRAMが不足するとメモリスワップが発生し、GPUとCPU間のデータ転送がボトルネックとなって、処理速度が著しく低下します。

例えば、Llama-3-ELYZA-JP-8BをINT8量子化で運用する場合、約17GBのVRAMが必要です。
そのため、最低でも24GB以上のVRAMを搭載することが推奨されています。

RTX 5090は、最新のCUDAおよびTensorコアを搭載したモデルで、同じVRAM容量を持つRTX 5000 Adaと比較して、約2倍の推論速度を記録した検証結果が報告されています。
この性能差を踏まえ、今回の構成ではRTX 5090を採用しました。

詳細な検証結果は、下記の技術記事をご覧ください。
GeForce RTX 4090との比較検証結果も記載されております。

高負荷のLLM推論にも安定して対応できる計算性能を備えているため、実運用環境では処理時間の大幅な短縮が期待できます。

LLM推論におけるメインメモリの重要性

LLMの安定稼働には、GPUのVRAMに加えて、ホスト側メモリの確保が不可欠です。
モデルのロード時にはVRAMを超える一時メモリが必要となる場面があるほか、入力テキストや生成結果の保持にもメインメモリが消費されます。

こうした運用条件を踏まえ、本設計では128GB（64GB × 2）のDDR5メモリを標準搭載しました。
さらに空きスロット (4スロット中2スロット未使用) を活用することで、最大256GBまでのメモリ増設が可能です。
将来的なモデルの大規模化やバッチ処理の拡張にも、柔軟に対応できる構成です。

バッチサイズや量子化設定など、運用条件に応じた最適な構成をご提案いたします。具体的なご用途があれば、ぜひご相談ください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

医用画像解析、特にNeuroImaging解析のためのマシンを検討している。
使用ソフトは下記の通り。

【画像解析】
FreeSurfer、FSL、ANTs、Matlab、SPM、CONN (SPM/ Matlab環境)
【数値解析・統計処理】
R、Matlab、Python、Julia

最近はCUDA対応が前提となっているツールが多く、Deep Learningによる推論やテスト的な学習にも活用する予定。そのため、VRAMが16GB以上のGPUを希望。

筐体については、Define 7 (幅240x高さ475x奥行547(mm)) は大きすぎるため、ATX対応筐体、具体的には Define 7 Compact (幅210x高さ474x奥行427(mm) ) 程度のサイズを想定している。

また、マザーボードはASRock製とRyzen 9000系の相性問題が気になっており、選定時はBIOSの最新版を適用、またはMSIなど他メーカー製の採用を検討したい。
マザーボードの条件は、

・電源フェーズ：14+2+1以上 (CPU向けに14フェーズ以上)
・SATAポート：4ポート以上

加えて、HDD返却不要サービスもオプションで利用したい。
※HDD返却不要サービスの詳細はこちら

NeuroImaging (神経画像解析) ツールを軸に、統計解析・信号処理、Deep Learningの試験的導入にも活用できるよう、多用途に適した構成をご提案しました。

GPU構成と解析用途への対応

CUDA対応の画像解析ツールや、軽量な学習処理への活用に備え、GPU には VRAM 16GB 搭載の NVIDIA GeForce RTX 5080 を選定しました。
主要な研究向けフレームワークの要件に対応しており、今後の用途拡張にも柔軟に適応できる構成です。

安全性を考慮した筐体選定

小型筐体をご希望いただいていましたが、干渉や発熱の懸念があるため採用を見合わせています。

近年のGPUは横方向に補助電源端子を備える構造が一般的で、コンパクト筐体ではパネルとの隙間が狭いため、ケーブルの取り回しに無理が生じやすくなります。
その結果、コネクタ部に過剰なテンションがかかり、発熱や焼損といった重大なトラブルにつながるケースが国内外で報告されています。

こうしたリスクを回避し、安全かつ長時間の連続稼働に耐えられる環境を確保するため、ゆとりのある内部スペース備えたFractal Design Define 7 ミドルタワー筐体をご提案しました。

マザーボードの選定について

マザーボードには、お客様のご要望を踏まえ、ASUS TUF GAMING X870E-PLUS WIFI7を選定しました。

このモデルは、電源フェーズを16+2+1 (CPU向け16フェーズ) 、S-ATA 6Gポートを4基搭載しており、連続稼働時でも電圧のブレが抑えられ、処理中のトラブルを回避しやすい設計です。

なお、ASRock X870 Steel Legend WiFiについても、弊社での故障報告はこれまでに確認されておらず、安定した動作実績があります。
弊社では、すべてのPCに対して出荷前の高負荷テストを実施しています。

ASRock製を採用する場合も、BIOSの更新など必要な設定を行った上で提供しております。
ご希望に応じて仕様の調整も行えますので、安心してご選択いただけます。

ご利用予定のツールやご使用環境に応じたカスタマイズも承っております。まずはお気軽にお問い合わせください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

予算100万円以内で、2つの用途に適した構成を提案して欲しい。

[1]商用最適化 (混合整数計画等) ソルバーによる最適化問題の計算
[2]MATLABツールボックス (Deep Learning Toolbox, Reinforcement Learning Toolbox等) を利用した機械学習

使用ソフトウェアはMATLAB、Gurobi Optimizer、OpenDSSを予定している。

CPUとメモリを重視した構成

ご利用予定のソフトを扱うにあたり、解析の規模にはCPUスレッド数とメモリ容量が関係し、処理速度にはCPUクロック数が関係します。そのため、これらのスペックを優先し、「Ryzen9 9950X 16コア/32スレッド」を採用しました。メモリ容量は「32GB×4枚(合計128GB)」搭載しています。

機械学習用にRTX4090を採用

MATLABでの機械学習を考慮し、GPUに「Geforce RTX4090 24GB」を採用しました。RTX4090はご提案時点における最上位モデルの製品であり、GPU計算向けの製品と比較して低コストで導入できるのが利点です。

また、MATLABはCUDAを利用した並列計算をサポートしていますので、RTX4090のCUDAコアを活かして効率的に計算処理を行うことができます。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします