PC提案事例

事例No.PC-8617Aを見ての問い合わせ。
分子シミュレーションによる立体構造モデリングや低分子化合物スクリーニングを行うためのマシンを導入したい。
ストレージはミラーリング (RAID1) が可能な構成で、23インチ程度のディスプレイとテクニカルサポートを含めた内容で提案して欲しい。

事例No.PC-8617Aをベースに検討しました。

OSは、CPUコア数の多い構成に適したWindows 10 Pro for Workstationとしています。

ストレージはご希望に合わせてRAID1に対応した構成でご用意しました。
PC-8617AではM.2 SSDでしたが、RAID1の構築に対応させるため、M.2からS-ATAに変更しています。

なお、PC-8617Aとの大きな違いは5年間の延長保証 (テクニカルサポート) の有無です。
保証内容の詳細は、下記リンクよりご確認いただけます。

参考：「あんしん＋」　もしもの時の延長保証サービス

その他の構成変更につきましても、お客様のご要望に合わせて承りますのでお気軽にご相談ください。

検索キーワード
分子シミュレーション用マシン,立体構造モデリング,低分子化合物スクリーニング,分子モデリングツール,高性能シミュレーション,分子シミュレーションマシン,高性能分子モデリング,2.5″リムーバブルトレイ,マルチコアプロセッサ,大容量メモリ,シミュレーションツール

画像系深層学習のトレーニング フェーズ (Deep Neural Networkがネットワークの重みやバイアスを自動調整するフェーズ) で用いるGPUマシンが欲しい。
予算300万円以下で、A5000を4枚搭載した構成を希望する。家庭用電源環境 (100V) で動作可能な静音性の高い構成を導入したい。
その他、2TB程度のストレージと、Ubuntu 18.x もしくは 20.x を条件としたい。

ご要望を踏まえて構成を検討しました。
NVIDIA RTX A5000の最大消費電力は、1台あたり230Wとハイエンド製品としては比較的低く抑えられているため、4台搭載しても家庭用電源で利用が可能です。本事例の構成も100V、1系統での給電を前提としています。

筐体も静音性を重視して選定していますが、拡張スロットを2つ占有するカードを4台搭載する都合上、8スロット分のスペースが必要です。一般的なミドルタワー筐体では、ATXフォームファクターの7スロット分しかスペースが確保されていないため、筐体は必然的にE-ATXなどに対応した大型の製品を選択することになります。

検索キーワード
深層学習,トレーニングフェーズ,GPUマシン,A5000,予算,家庭用電源,静音性,ストレージ,Ubuntu,拡張スロット, Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming

電波干渉回避技術を開発するためのマシンを検討している。具体的には、数値解析ソフトウェア MATLAB Parallel Computing Toolbox (parfor) を高速で処理できるマシンが必要。予算500万～700万円程度で提案してほしい。

Parallel Computing Toolbox (parfor) におけるマルチコアプロセッサを使用した並列処理を最適化するため、AMD EPYC 2CPU搭載のラックマウント構成をご提案しました。CPUコア数はシステム合計128コアとなります。

本構成は現状1ノードで実現できる最大のコア数です。
メモリ容量については特にご指定いただいておりませんが、CPUコア数が多いため、それに見合った容量を確保しています。

なお、AMD EPYCはデスクトップ向けWindowsをサポートしていません。
そのため、OSはMatlab 2022a、AMD EPYC双方がサポートしているWindows Server 2019としています。
Linuxへの変更も可能ですので、お気軽にお問い合わせください。

大学での授業用で画像解析・機械学習を行うため専用のマシンを導入したい。
最大30名程度の学生が利用する想定で、各自のPCからアクセスし、科学演算や画像解析・機械学習の演習を行う。
OSはUbuntuで、Anaconda / SSH-Server/R / TensorFlow / Pytorch のインストールを希望する。
GPUの利用頻度は少ないので、スペックを妥協することはできる。
予算は400万円程度を考えている。

ご希望の条件に合わせて、たたき台の構成を検討しました。
GPUサーバー仕様ではご予算に収めることが難しいため、GPU x1枚・100V電源環境向けの構成としています。
ご予算との兼ね合いから、CPUは64コア (32コア x2基) とし、メモリは256GBです。30名で利用する場合、一人当たりCPU 2コア (4スレッド) /メモリ 8GB程度のリソース割り当てとなる計算です。

ソフトウェアはご指定のものをインストールするまでを作業範囲として想定しています。個別の設定が必要な場合は、別途ご相談とさせていただきます。

Anacondaを商業活動において利用する場合には有償ライセンスが必要となります。
これまで、大規模利用用の Enterprise のみの取り扱いでしたが、小規模利用のライセンスも取り扱い可能となりました。詳細は、下記をご確認ください。

■データサイエンスプラットフォーム「Anaconda」の小規模利用有償ライセンス

■Anaconda　科学技術計算向けのPython および Rのディストリビューション

検索キーワード
科学演算,画像解析,機械学習,Anaconda,Rプログラミング,TensorFlow,PyTorch,GPUサーバー,Ubuntu 20.04,ハイスペックPC, Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming