PC提案事例

アカデミックフリーのツールを用いたタンパク質・低分子化合物の結合解析を行いたい。
構造予測、ドッキングシミュレーション、量子計算、MD計算に使用する予定。
使用するソフトウェアは以下を考えている。

AlphaFold2をローカルで構築でき、一般的な条件でGROMACSを稼働させられるスペックが必要。
メインの用途はMD計算や量子計算で、将来的にはイン・シリコ・スクリーニングへの発展を考えている。

第3世代Xeon Scalableを搭載した2CPU構成をご提案しました。
ご利用のソフトウェアにIntel APIをコンパイラとして推奨している物があることに配慮した選択です。

ソフトウェアの性質にあわせたCPU・GPU選定が必要

ご連絡いただいているのソフトウェアのうち、GAMESS以外は何らかの形でGPUを利用することができますが、CPUで処理を行う部分も相応にあるため、CPUとGPUのバランスを考える必要があります。

AlphaFold2はGPUを必要とするソフトウェアで、かつ2.2TBほどの巨大なデータベースを参照するため、ストレージ性能がパフォーマンスに大きく影響します。2ndストレージとして搭載している大容量のSSDはAlphaFold2のデータベース保存を想定したものです。

AlphaFold2とそれ以外のソフトウェアとではGPUの使われ方が異なる

なお、AlphaFold2とそれ以外のソフトウェアでは、GPUの使われ方が異なり、AlphaFold2はTensorflowを基盤としたDeepLearningになりますが、他のソフトはGPUをコアプロセッサとした科学計算です。
科学計算ではGPGPUに倍精度小数点演算 (fp64) を求められることがありますが、非常に高額で専用筐体が必要になります。 利用を想定しているソフトウェアは、いずれもfp64が必須ではなくCUDAに対応したNVIDIA製GPUであれば利用可能とされているため、搭載GPUはディスプレイ出力を兼ねたビデオカードを選択しています。

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。
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。

検索キーワード
タンパク質結合解析ワークステーション,アカデミックフリーのツール,タンパク質結合予測,構造予測ソフトウェア,ドッキングシミュレーション,量子計算ソフトウェア,MD計算ワークステーション,AlphaFold2,Autodock,GNINA,UCSF Dock,GAMESS,Firefly計算,イン・シリコ・スクリーニング,タンパク質立体構造予測,第3世代Xeon Scalable,Intel APIコンパイラ,量子計算スペック,GROMACS計算,構造予測ワークステーション,タンパク質・低分子結合解析,タンパク質立体構造予測,ドッキング計算,量子化学計算,タンパク質構造解析,タンパク質相互作用解析,タンパク質化合物結合予測

自社の所有する森林資源を維持管理するため、管理山林全体をドローンで空撮しオルソ画像を作成したり、点群データによる森林資源解析を行いたい。そのためのマシンを予算100万円程度で提案して欲しい。

対象となるエリアは数十～数百haと広いことに加えて、森林資源解析のためには解像度の高い写真を扱う必要がある。しかし、現在利用しているPCでSfM処理を行うと完了までに3～4日かかるので、処理速度を向上させたい。
以前にSfM処理を行った際の条件は以下の通り。

同様の処理を数百ha単位で実施する必要があり、安定して処理することのできるPCを希望する。

パーツの世代差による性能の向上

現在お使いのマシンは、初代Xeon Scalableの1CPU構成ですので、後継に当たる第3世代Xeon Scalableを搭載した1CPU構成にてご提案しました。
CPUのランクはGoldからSilverに下がっていますが、世代やCore数の差によりベンチマークソフトウェアでの総合スコアは2倍以上優位な製品です。 MetashapeはCPU処理が並列化されているので、コア数とクロックを比較する場合にはXeon Gold 6128のようなクロック特化モデルではなく、コア数を優先したCPU選定が良いと思われます。

ビデオカードは、最新世代のRTX4000シリーズからGeforce  RTX4080を選択しています。
現在お使いのマシンのビデオカードと比べると、性能差はCPU以上に大きいとお考えください。

メモリ容量は全体のバランスを考慮して選定

メモリは、ご予算内で全体のバランスを取った場合、256GBが上限となります。
処理の規模を考えると、本来は512GBまで確保できるのが理想ですが、現在お使いのマシンの128GBでも時間はかかったものの処理自体は行うことができているため、この容量としています。

世代差による性能UPと実施する処理の規模

総合的なポテンシャルにつきましては、現在のマシンよりもCPUとGPU性能が2倍以上に向上していますので、同じ処理を今よりも早く完了させることができる構成です。しかし、そもそもの処理の規模がかなり大きいため、ある程度の時間を要することを想定する必要があります。

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。
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。

DeepLearningでの利用を目的として、Geforce RTX4090を4枚搭載したマシンが欲しい。
CPUのスペックはあまり必要ではなく、予算250万円程度での導入を希望。

ご要望に合わせて構成を検討しました。
RTX4090 x4枚で利用する場合、CPUの選択によっては仕様上の最大消費電力が2000Wを超える見込みのため、電源の確保に注意する必要があります。本事例は、電源ユニットを2台搭載し2系統の電源出力を利用する構成です。

電源に関する注意点

この構成は100V給電での利用が可能な仕様ですが、その場合電源ユニット容量に余裕がなくなるため、200V給電での利用を推奨しています。また、CPUをより消費電力の高いモデルに変更する場合、変更後の消費電力によっては200V給電での利用が必須になります。

なお、本事例の電源 2台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。

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。

検索キーワード
Geforce RTX4090,DeepLearning,学習用途,GPU 4枚搭載マシン,予算250万円,最大消費電力,100V給電,200V給電,電源ユニット,CPU選択

開発中のドライビングシミュレータに搭載するPCを検討している。
検討中の条件は以下の通り。

ご要望の条件に合わせて構成を検討しました。

CPUはCore i9-12900KSではなくXeon W-2295としています。
Core i9-12900KSのコア数は16であり、その中身はPコア (高性能コア) とEコア (高効率コア) で構成されています。
負荷の高い処理で有効なのはPコアですが、Core i9-12900KSはこのPコアの数が8ですので、それよりもコア数が多くベースクロックも比較的高いCPUという考え方で選定しています。

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。
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。