医学研究に従事されているお客様より、機械学習・深層学習用途に向けたPCの買い替えについてご相談をいただきました。
現在はRTX 3090搭載PCでXGBoostなどのテーブルデータ解析を行われており、今後は深層学習にも展開される予定です。
Python、R、SASを用いて数十万レコード規模のCSVデータを扱う環境を想定されており、ご予算は100万円程度です。
| CPU | Intel Core Ultra 9 285K 3.70GHz(8C/8T) + 3.20GHz(16C/16T) |
| メモリ | 合計64GB DDR5 6400 32GB x 2 |
| ストレージ1 | 2TB SSD M.2 NVMe Gen5 |
| ストレージ2 | 4TB HDD S-ATA |
| ビデオ | NVIDIA GeForce RTX5090 32GB |
| ネットワーク | on board(2.5GBase-T x1) Wi-Fi，Bluetooth |
| 筐体+電源 | ミドルタワー型筐体＋1500W 80PLUS PLATINUM |
| OS | Microsoft Windows 11 Professional 64bit |
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の選定と冷却設計
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の発生頻度やハードウェア故障の可能性を抑えています。
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。
このような分野で活躍されている方へ
|
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。
キーワード・XGBoostとは XGBoostは、決定木ベースの勾配ブースティングによる高精度かつ高速な実装を特徴とするオープンソース機械学習ライブラリです。 |
|
■ このPC事例に関する詳細、お問い合わせはこちら
※事例の名称またはご希望の条件などをご記入ください。 |
