PC提案事例

機械学習用PCの購入を検討している。
機械学習用の環境を初めて導入するため、予算100万円で上記用途のスターター構成を提案してほしい。

具体的な用途としては、既存モデルの検証・転移学習やファインチューニングおよび、モデルの学習及び推定を予定している。
扱うデータ量は大きくならない見込み。

なお、現在VRAM容量が6GBのノートPCを使用しているが、頻繁にメモリリソースが不足して処理が停止してしまう。
そのため、VRAM容量を重視したいと考えている。

OSはUbuntu 22.04を希望。
また、マシンの冷却にあたって、オーバーヒートを防ぐために何らかの対策を行う必要があれば教えてほしい。

お客さまご希望の条件に沿った構成をご提案しました。
2023年12月時点で最新の第14世代Coreシリーズ搭載の構成です。

機械学習のためのGPU選択

機械学習でCUDAを利用することを想定し、GPUはハイエンドモデルのNVIDIA GeForce RTX4090を搭載しています。
NVIDIA Geforce RTX4090はGeForceシリーズの中では現在最上位のモデルで、単純な処理性能は現在販売されているビデオカードの中でも最高クラスです。ビデオメモリ容量は、ワークステーション・サーバー向けのハイエンドモデルと比較するとやや少ない24GBです。
大規模言語モデルのような巨大なモデルを扱う場合は不足感が出る可能性がありますが、ご相談内容のようにあまり大きくないモデルを扱う用途であれば、高い処理性能が期待できます。

また、ご予算の面でも、選択可能なGPUの中でGeforce RTX4090は最もスペックの高い製品です。

マシンの冷却について

本構成の冷却装置は、CPU・GPUともに空冷クーラーを採用しています。
CPUクーラーは大型ヒートシンクを備えたハイエンド製品を採用しているため、手動でのオーバークロックなどを行っていないデフォルト設定でのご利用においては、顕著な問題は起こりません。
また、弊社では製造時に12時間のフル稼働で動作テストを行い、動作中の温度の推移に問題がないことを確認して出荷します。

ご利用にあたり、特に注意が必要なのは設置場所の室温です。
弊社での動作チェック時は室温25℃を基準にしています。この室温を超えると直ちに問題が発生するわけではありませんが、30℃を超える環境で常用した場合、CPUやGPUの冷却が適切に行われないことによる問題の発生リスクが高まります。
その他、空気の流れが悪い場所や、周囲に熱を持ちやすいものがあるなど、マシンの排熱を妨げる環境で設置されている場合、筐体内の排気が滞ることによる問題の発生リスクがあります。
マシンの背面側には一定のスペースを作るなど、設置レイアウトに配慮していただけますと幸いです。

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。

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

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。

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

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。

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60万円で、NeRF用のフレームワーク「nerfstudio」を利用するためのワークステーションの導入を検討している。

GPUはnerfstudio公式サイトのCurrently supported CUDA architectures in the docker imageの表に記載があるモデルを希望する。

その他の条件は以下の通り。

お客様ご指定のパーツを搭載した構成をご提案しました。
ご指定に沿って2023年10月時点で最新の第13世代Intel CoreシリーズであるIntel Core i9-13900Kを搭載した構成です。このCPUはシリーズ内で最多の24のコアを搭載したハイエンドモデルです。

ビデオカードは、お客様が候補として想定されたGeforce RTX4070Tiを選択しています。価格的にも、本製品がご予算内で選択可能な製品のなかでは最上位クラスです。
※Geforce RTX4070Tiはnerfstudio公式サイトの表にも記載があるモデルです。

また、本構成は100V環境での運用に対応しています。

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。

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-10992を見ての問い合わせ。

Stable Diffusionによる画像生成を活用したゲームの開発プロセスの研究を行っている。作業ロットの増加と作業時間圧縮を念頭に、RTX4090を3枚搭載したマシンを導入したい。Stable diffusion Web UI (Python) の動作に特化した構成を希望する。

参考：PC-10992 AIサービス用マシン

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。
事例No.10992の元となった事例No.PC-10880をベースに、ビデオカードの搭載数を3枚に変更した構成です。

ベース事例ではRTX4090を4枚搭載していたため、消費電力の都合上200V環境を推奨していました。
本事例のビデオカードx3枚構成は100V環境での利用が可能ですが、給電量を確保するため、PC-10880の事例と同様に2台の電源ユニットを搭載しています。
この2台の電源ユニットは冗長性を目的としたものではなく、給電量を確保するためのものです。片方の電源が故障するとシステムは機能しなくなりますので、クリティカルな用途での利用は避けるようお願いいたします。

なお、Stable Diffusionの動作は主にビデオカードの性能に依存します。
そのため、価格や消費電力が低くなるように各パーツを選択し、ビデオカードの性能に特化した構成としています。

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。

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

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。

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

PC-8351を見ての問い合わせ。
深層学習、点群処理 (Cyclone REGISTER、Cyclone 3DR) 、フォトグラメトリソフトウェア (RealityCapture) 等を扱えるマシンの導入を検討している。
GPUはNVIDIA Geforce RTX4070 x4枚を想定しているが、合計48~64GBのVRAMをより安価に搭載できる組み合わせがあればそちらも検討したい。
希望する条件は以下の通り。

ご要望を踏まえての検討ポイント

NVIDIA Geforce RTX4070は一般的なビデオカードよりもサイズが大きいため、1台のマシンに4枚搭載することは仕様上不可能となります。
別製品のビデオカードを搭載してVRAM容量48~64GBを実現することは可能ですが、2023年9月時点で最新の第13世代Intel Coreシリーズを採用した場合、PCI-Expressレーン数の制約上、2枚以上のビデオカードを16レーンで接続することができません。
ベース構成を変更したうえでRTX4090 (搭載VRAM：24GB) を2枚搭載する方法もありますが、その場合、最大消費電力が上がることで、100V環境で運用する際の電力容量的な余裕が無くなってしまいます。

これらの情報をお伝えした上で、構成のご希望を再確認させていただきました。

条件の見直しと追加のご要望

その結果、ビデオカード構成の変更をご承諾いただき、追加で以下の要望をお知らせいただきました。

追加の条件を含め、お客様のご希望に合わせて検討したものが本事例の構成です。

CPUには、最新世代Intel CoreシリーズであるIntel Core i9-13900Kを搭載しています。

ストレージは、お客様のご要望にあわせてシステムディスク用に2TB SSD M.2 x2枚を、データディスク用に2TB SSD M.2 x2枚および10TB HDD SATA x3枚を搭載しています。

ビデオカードに関しては、1枚で48GB のVRAMを搭載したワークステーション向けハイエンドビデオカード NVIDIA RTX A6000を選択しています。
NVIDIA RTX A6000のTDPは300W (NVIDIA Geforce RTX4090の2/3程度) ですので、問題なく100V環境で利用が可能です。
なお、NVIDIA RTX A6000のVRAM搭載量48GBという値は、2023年9月現在、ディスプレイ出力を搭載したビデオカード製品としては最大の搭載量です。

電源に関しては、概算の最大消費電力は約610Wほどとなるため、100V環境での運用が可能です。
また、電源容量はお客様のご希望にあわせて、余裕のある1000W電源としています。

CPUクーラーに関しても、ご希望に沿って水冷クーラーを搭載しています。

メモリ容量に関しては、搭載量128GBが仕様上の上限となります。

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。

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

PC-10619を見ての問い合わせ。
疫学データを用いて、将来の健康の予測モデル構築や測定項目間の因果探索を実施している。
予算280万円以内で、可能な限り処理速度の速いPCを提案してほしい。

参考：PC-10619 遺伝的能力の推定計算用マシン

解析環境にはPythonを使用しており、パッケージとしてはRandomForest、LightGBM、LiNGAM、pgmpyを使用することが多い。扱っているデータは最大で1万行×1万列であり、現状計算に非常に時間を要している。

使用するパッケージにGPU性能は必要ないため、現状ではGPU性能は重視していないが、将来的には深層学習の実施や、より大規模なデータを取り扱うことを考えている。そのため、ビデオカードが増設可能な拡張性のあるマザーボードが好ましい。

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。
お問い合わせ事例PC-10619の構成をベースに、さらにスケールアップした構成です。
具体的には、並列処理性能の向上のため、CPUを上位モデルに変更し、メモリ搭載量を倍増しています。

ビデオカードの優先度は低いとのことでしたが、CPUを最上位品にしてもご予算に余裕があることに加えて、将来的にDeepLearningを実施する予定があるとうかがいましたので、ハイエンドモデルであるNVIDIA Geforce RTX4090 24GBを選択しました。

Geforce RTX4090 24GB は16,384基のCUDAコア、512基の第4世代Tensorコア、24GBのGDDR6X VRAMを搭載しているため、DeepLearningへの活用が期待できます。DeepLearningへの対応が必要ない場合は変更も可能です。

マザーボードに関しては、拡張性を確保した選定を行っています。
具体的な拡張予定のご要望がありましたら、それに合わせた構成の調整も可能ですので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。

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

検索キーワード
健康予測モデル構築,疫学データ分析,健康予測ツール,健康データ解析,データ駆動の予測モデル,Pythonデータ解析,データ科学ソリューション,AMD Ryzen ThreadripperPRO,ハイパフォーマンスPC,ディープラーニング対応PC,ビッグデータ解析PC,Windows 11 Professional,データ解析ワークステーション,NVIDIA Geforce RTX4090,高性能ワークステーション,拡張性のあるマザーボード,疫学研究,ランダムフォレスト,LightGBM,LiNGAM,pgmpy,ディープラーニング予備,ビッグデータ解析ソフトウェア

AIモデル開発用のGPUマシンの導入を検討している。
AIの推論に使用するためGPUの性能を最も重視しており、CPUもそれに見合ったものを選定して欲しい。

ストレージは、使用頻度が高いデータ保存用とバックアップ用で別々のストレージを用意したい。
そのため、合計3~5TB、HDDと1TB以上のSSDの双方を搭載した構成がよい。

また、筐体はタワー型を想定しており、100V環境で運用可能な構成が好ましい。

具体的な希望条件をまとめると以下の通り。

お客様ご希望の条件にあわせて構成を検討しました。

GPU性能を最も重要視されている点を踏まえて、2023年8月時点で最新のハイエンドワークステーション向けビデオカードである NVIDIA RTX6000 Ada 48GB を2枚搭載した構成としています。
また、GPUに合わせて、CPUはワークステーション向けプロセッサーであるIntel Xeon WシリーズのW5-2465X (3.10GHz 16コア) を選択しています。

電源ユニットの最大出力は200V電源環境と100V電源環境で異なる

なお、搭載する電源ユニットの最大出力は、200V環境での利用では1600W、100V環境での利用ではおよそ1300Wです。
本構成の最大消費電力は概算で約1100Wですので、100V環境での運用が可能です。

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。

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

検索キーワード
AIモデル開発,GPUマシン,NVIDIA RTX6000 Ada,高性能ワークステーション,ディープラーニング開発,Intel Xeonプロセッサー,データ保存用ストレージ,バックアップ用ストレージ,Windows 11 Professional,100V環境対応PC

機械学習と量子化学計算などのシミュレーションを行うためのマシンを検討している。
量子化学計算はVASP 6とQuantum Espressoの利用を想定。
OpenACCなどのGPU駆動も想定したいため、CPUとメモリのスペックを確保した上で、ビデオメモリ容量の多いGPUを搭載したい。
想定している要件は以下の通り。

CPUにXeon Scalable (Gold 6426Yx2枚 合計32コア) を採用し、メモリは512GB  (1コアあたり16GB) 、GPUをNVIDIA H100 80GBとした構成です。
VASP 6もQuantum EspressoもGPGPUでの倍精度演算に対応していますので、NVIDIA H100を利用することによるメリットが大きいと言えます。

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。
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。

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

検索キーワード
機械学習ワークステーション,量子化学計算マシン,VASP 6,QuantumEspresso,GPU駆動計算,高性能計算,OpenACC,分子シミュレーション,量子化学ソフトウェア,ディープラーニング,GPGPU,クロック重視,データセンター向け,ワークステーション,Linux,ハイパフォーマンスコンピューティング,マルチコアCPU,グラフィックスカード,高速データ処理,並列計算,Fortran95,バンド構造計算,密度汎関数理論,量子ESPRESSO,メモリ帯域幅