[自作日記6] メモリ選定

[自作日記6] メモリ選定

今回は、メモリや周辺パーツを選定しましょう。

メモリ選定にも落とし穴があり、Junさんは見事落とし穴にハマってしまいました。さっそくみていきましょう。


ふー。やっとCPUとマザーボードが買えました。
あと何を買えばいいんだっけ。ということで、もう一度、先輩の置手紙をみてみます

① CPUは 12世代か13世代のどちらでもよい。

② GPU中心でつかうため、CPU側の能力は i5程度で問題ない。

③ マザーボードのチップセットは CPUが12世代ならZ690 か CPUが13世代ならZ790。ATX。

④ CPUメモリは 64GB 以上。DDR4でもDDR5でもどちらでもOK

⑤ グラボはコンシューマー向けでOKだけど、最上位モデルに近いもの。

⑥ SSD は 1T以上。

⑦ 電源は 800W 以上、 80Plus Titanium

⑧ ケースはグラボがちゃんと入ることを確認すること!

①~③までは無事かえましたので、あとはメモリ、グラボ、SSD、電源、ケースを買わないといけません。まだまだ、買い物ありますね。

おなかもすいてきたので、CPUメモリだけ購入したら、昼食を食べに行くことにして、メモリが売っている階に移動しました。

すると、さっそくよさげなメモリを発見!

なになに、crucial DDR4 3200 2 x 32GB と書いてあります。これじゃん!値段は2万円くらい。置手紙に書いてあったとおりの仕様のメモリを発見できました

念のためもう一度確認します

④ CPUメモリは 64GB 以上。DDR4でもDDR5でもどちらでもOK

ここにはDDR4でもDDR5でもどちらでもOKと書いてあるし、64GBあるし。

早速、購入手続きを済ませ、お昼ご飯を食べに行こうと店をでようとしたその時・・・

「お客様! お客様! お待ちください!」

私「え?」

「お待ちください~!」

私「え?(もしかして会計通さないで来ちゃったのか?!😨)」

振り返ると、そこには、さっきマザーボードについて相談にのってくれた店員さんが息を切らしながら追いかけてきました。

私「あ、あの、何でしょうか・・・」

「お客様、さきほど、メモリ販売コーナーで DDR4 をご購入されませんでしたか?」

私「は、はぁ、買いました。」

そういって、私は袋の中から、さきほど買ったメモリを見せました

「そのメモリ、お客様のマザーボードに対応してません!」

私「えええ?」

「お客様がご購入されたマザーボードをもう一度確認させてください」

マザーボードの仕様を確認すると、「DDR5 6000MHz 」と書いてありました。

私「あ」

実は現在主流のメモリには DDR4 と DDR5 がありますが、両者は完全に別物でした。

私は、メモにはDDR4かDDR5を買えばいいと書いてあったのでどちらでもよいとおもい無意識にDDR4を買っていましたが、マザーボードごとに決まったものを買わないといけなかのでした。

メモリーはマザーボードが DDR5 対応なのかDDR4対応なのか確認すべし

でした。店員さんが気づいてくれなければ、あやうく、間違ったメモリを入手てしまうところでした。間違ってかったDDR4をDDR5に交換してもらい事なきを得ました。

バタバタして、おなかの減り具合もピークだったので、肉の万世本店に駆け込みました。

Credit: by chime CC-BY-2.0

いかがでしたでしょうか。

今回は、マザーボードには、対応したメモリがあるということが学びでしたね。

次回は、いよいよグラフィックボード(GPU)の選定です!お楽しみに!

コラム:マザーボードとメモリ互換性

少しだけメモリについて補足しておきましょう

今回なマザーボードの仕様書には「DDR5 6000MHz」と書いてありました。この場合、そのマザーボードはDDR5 6000MHzのメモリーをサポートしているということですが、それ以下の速度のDDR5メモリー、例えばDDR5 4800MHzを装着した場合はどうなるのでしょうか。

その場合も基本的には使用可能です。ただし、使用するメモリーの速度がマザーボードのサポートする速度より低い場合、システムはそのメモリーの速度に合わせて動作します。

逆に、DDR5 6000MHzよりも速いメモリーをを装着したらどうなるでしょうか。

そちらも、基本的に問題ありませんが、いくつかの点に注意する必要があります。メモリーがマザーボードでサポートされている最大速度よりも速い場合、メモリーはマザーボードの最大サポート速度まで自動的にダウンクロックされて動作します。つまり、例えばDDR5 6400MHzのメモリーを使っても、マザーボードが6000MHzまでしか対応していない場合は、6000MHzで動作することになります。

さらに高速なメモリーを利用するメリットは制限されるかもしれませんが、将来的にマザーボードをアップグレードする予定がある場合には、高速なメモリーを購入することで、新しいマザーボードでその速度をフルに活用できる可能性があります。

ただし、どちらの場合も、メモリーの互換性については、マザーボードの製品仕様書や公式サイトで確認するのが最も確実です。メモリーが正しく機能するかどうかは、マザーボードのチップセットやBIOSの設定にも依存するため、公式の情報を参照することがオススメです。


navigation

Read more

Google GenAI SDK のストリーミングでマルチターン画像編集🍌が不安定になる問題と対処法

Google GenAI SDK のストリーミングでマルチターン画像編集🍌が不安定になる問題と対処法

こんにちは! Gemini 3 Pro Image (Nano banana Pro)を使ったマルチターン画像編集機能を実装していたところ、動いたり動かなかったりするという厄介な問題に遭遇しました。 本記事では、この問題の現象、原因調査の過程、そして解決策を共有します。 問題の現象 実行環境 Google GenAI SDKライブラリ(pip): google-genai 1.56.0 期待する動作 1. ユーザー: 「かわいい子猫の画像を生成して」 2. Gemini: 子猫の画像を生成 3. ユーザー: 「この子にメガネをかけて」 4. Gemini: 同じ子猫にメガネをかけた画像を生成 実際に起きた現象 1. ユーザー: 「かわいい子猫の画像を生成して」 2. Gemini: 茶色の子猫の画像を生成 3. ユーザー: 「この子にメガネをかけて」 4. Gemini: メガネをかけた女の子の画像を生成

By Qualiteg プロダクト開発部
【出展報告】TOKYO DIGICONX 2026

【出展報告】TOKYO DIGICONX 2026

こんにちは! 先日、「TOKYO DIGICONX 2026」に出展してまいりましたのでレポートさせていただきます! TOKYO DIGICONX 2026 TOKYO DIGICONX 2026は、2026年1月8日(木)~10日(土)に東京ビッグサイト 南3・4ホールで開催された、XR・メタバース・AI・Web3をテーマにした総合展示会です。 正式名称は「第3回 TOKYO XR・メタバース&コンテンツビジネスワールド」で、東京都、XRコンソーシアム、Metaverse Japan、東京商工会議所で構成されるXR・メタバース等産業展実行委員会が主催しています。 180社以上のスタートアップや企業が出展し、ビジネスデイ(8日・9日)とパブリックデイ(10日)の3日間にわたり、XR・メタバース・AI分野の最前線を体感できるイベントとなりました。 冬の東京ビッグサイト 新年明けて間もない1月の東京ビッグサイト。お正月気分もそこそこに、気合を入れて会場入りしました�

By Qualiteg ビジネス開発本部 | マーケティング部
コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

こんにちは! 今回は、コーディングエージェントシリーズ第2回です! 前回の第1回では、2025年12月時点で百花繚乱状態にあるAIコーディングエージェントの全体像を俯瞰しました。 AIコーディングエージェント20選!現状と未来への展望 【第1回】全体像と基礎こんにちは! 今回は、20種類以上あるまさに百花繚乱なAIコーディングツールを一挙に紹介&解説していきたいとおもいます! AIをつかったコーディングはもはや常識となり、日々目まぐるしく新しいツールが登場しています。当社でも自社開発のAIコーディングツールをふくめ複数のツールを活用してソフトウェア開発をすすめていますが、次々とナイスなツールがでてきて興奮しつつも、正直キャッチアップが追いつかない…!という状況です。 「結局どれを使えばいいの?」「Claude CodeとCursorって何が違うの?」「オープンソースでも使えるやつあるの?」——そんな疑問を持っている方も多いのではないでしょうか。 そこで本シリーズでは、2025年12月時点でのAIコーディングツールを徹底的に整理してみました。商用サービスからオープンソースまで、20

By Qualiteg コンサルティング
LLM学習の現実:GPU選びから学習コストまで徹底解説

LLM学習の現実:GPU選びから学習コストまで徹底解説

こんにちは! なぜOpenAIやAnthropicは世界最高水準のLLMを作れるのに、それに肩を並べる日本発のLLMは存在しないのでしょうか? 技術力の差でしょうか。それとも人材の問題でしょうか。 答えはもっとシンプルです。GPUの枚数とお金です。 今日はそんな 「LLMの学習」にフォーカスをあて、そのリアルについて徹底解説いたします! 1. はじめに 「LLMを自分で学習させてみたい」 そう思ったとき、最初にぶつかる壁がGPUの問題です。 どのGPUを何枚使えばいいのか。クラウドで借りるべきか、オンプレで買うべきか。そもそも個人や小規模チームでLLM学習は現実的なのか。 本記事では、こうした疑問に対して、具体的な数字と事例を交えながら答えていきます。 たとえばLLaMA 2の学習にはA100が2,048枚使われました。DeepSeek-V3は約8億円かかりました。では、あなたの手元のGPUでは何ができるのか。そこを明らかにしていきたいと思います。 対象読者は、LLM学習に興味があるエンジニアや研究者です。PyTorchでモデルを書いたことがある程度の知識を前提とし

By Qualiteg プロダクト開発部, Qualiteg 研究部