PC提案事例

タンパク質の立体構造を解析するツール「AlphaFold2」を使用するためのマシンを検討したい。
事例No.PC-9327と同程度のマシンを考えている。

PC-9327の構成は一部パーツが終息しているため、ほぼ同一のアーキテクチャーを採用するXeon W-2200シリーズを採用した仕様で検討しました。

AlphaFold2の計算処理は、GPU性能の影響を受ける部分がかなり大きいことや、約2.7TBのデータベースに計算中も頻繁にアクセスするため、データベースを格納するストレージデバイスの性能が使用感に大きく影響します。
本構成ではコストを優先する方針で、データベース用のストレージを4TBのHDDとしていますが、速度重視の場合には事例No.PC-10260Aをご検討ください。

検索キーワード
G protein-coupled receptors,AlphaFold2,protein structure prediction,structural biology

DeepLearningを始めたいので、入門用のマシンを導入したい。
希望するスペックは以下の通り。

・CPU：指定はないので、適切なものを提案して欲しい。
・メモリ：32GB
・ストレージ：500GB SSD M.2
・OS：Windows11
・GPU：適切なものを提案して欲しい。
・マウス・キーボード：無線タイプ
・予算：50万円前後

ご指定の条件を満たす構成を検討しました。
CPUとビデオカードはご予算内で導入できる組み合わせとしていますが、計算の高速化やプログラミングのためのGPGPU・CUDA利用でも過不足のない構成としています。
お客様へのヒアリングでは、DeepLearning初心者に向けたマシン導入・テスト的な導入というお話でしたので、以下の点に配慮したご提案となっています。

・CPUとビデオカードはご予算内で導入できる組み合わせ
・GPGPUやCUDAを入門的に使うにあたり、過不足のないスペック
・Anacondaパッケージサービス込み

検索キーワード
DeepLearning入門用マシン,DeepLearning,CPU,メモリ,ストレージ,Windows11,GPU,GPGPU,CUDA,Anacondaパッケージサービス,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

量子化学計算ソフト Gaussian用の計算サーバーが欲しい。
GaussianとGromacsができるだけ高速に動くマシンが希望で、予算は200万円程度を想定している。
具体的には、以下のスペックと同等の構成が理想。

・CPU：Xeon Gold 6354 (18core 3.0GHz 205W) x2
・メモリ：256GB
・SSD：960GB SATA x2　システム用とバックアップ用に1台ずつ
・GPU：NVIDIA RTX A6000 x2
・OS：AlmaLinux 8.3

なお、GromacsはGPUでの運用を、GaussianはCPUでの運用を検討している。

ご予算に対応させるためGPUの台数を1台とし、CPUもコア数の少ない製品に変更した構成をご提案しました。

Gromacsは、メーカーにて特定のGPUモデルが指定されていないため、RTX A6000でも利用可能と考えられますが、もう一方のGaussian 16のGPGPUはRTX A6000を公式サポートしていません。
Gaussian 16でサポートされているのは、V100やA100といった倍精度演算に対応したGPGPU専用カードのみとなっています。

A6000での動作に関してお客さま側で情報をお持ちであれば問題ありませんが、そうでない場合はGPUの選択を見直していただいたくのが良いかもしれません。

なお、GPUをサポート対象のA100に変更する場合、カード仕様との兼ね合いからベース構成を変更する必要があります。
Gaussian 16ではCPU実行のみ利用する場合、GPUの選択はGaussian 16の動作に影響しません。

検索キーワード
Gaussian向けマシン,量子化学計算,Gaussian,Gromacs,ハイパフォーマンス計算,マルチコアプロセッサ,SSD構成, AlmaLinux 8.3,GPGPU,GPU選択,CUDA Toolkit 11,ハイブリッド計算,高速計算,デュアルプロセッサ,ワークステーション,量子化学シミュレーション,高性能コンピューティング,特定ソフトウェア動作最適化,サーバー仕様,科学計算ソフトウェア

機械学習 (ニューラルネットワーク) 用のPCが欲しい。
2枚のGPUを搭載して、それぞれを別々の学習で利用したい。具体的には、以下のスペックを考えている。

・CPU：IntelでもAMDでもどちらでもよい
・マザーボード：PCI-E 4.0 x16（PCI-E 5.0 x8）相当の転送速度でGPUを2枚挿せるもの
・メモリ：DDR4-3200かDDR5で、32GBか64GBのどちらかを検討している
・SSD：NVMeタイプ 500GB
・HDD：S-ATA 8TB
・電源：1600W
・GPU：NVIDIA Geforce RTX3090 x2枚
・OS：CentOS 7

第3世代Xeon Scalableを用いた1CPU仕様のマシンをご提案しました。
この構成を採用した主な理由は、PCI Express 4.0への対応です。2台のビデオカードはPCI-Express 4.0 x16の帯域幅で接続されます。

また、用途を考えるとメインメモリはビデオメモリの総容量以上を確保することが望ましいため、RTX3090のビデオメモリ24GB x2枚分の48GB以上である64GBとしています。
その他の構成も、可能な限りお客さまのご要望にあわせています。

検索キーワード
ニューラルネットワーク研究,機械学習,PyTorch,CUDA,GPU搭載PC,2枚のGPU,CPUスペック,PCI Express 4.0,メモリ容量,RTX3090, 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