[自作日記10] マザーボードにCPU、メモリ、SSDを装着する

[自作日記10] マザーボードにCPU、メモリ、SSDを装着する

マザーボードまわりをセットアップしていきます

1.マザーボード 開封の儀

今回購入したマザーボードは 【ASRock Z690 Steel Legend WiFi 6E/D5】です。

早速開封していきましょう!
箱をあけると、ケーブル類とマニュアル類が上段の小箱にはいっています。

つぎに、中箱をあけます。

おーマザーボードが見えてきました

美しい!

ワクワクしてきました~

写真左側中央部は LGA 1700 ソケットにカバーがかかった状態です。ここにCPUを設置します。

また LGA 1700 ソケットの上側にはメモリモジュールを挿入する DDR5 のメモリスロット4つがみえます。

そして水平中央付近に SSD を設置する M.2 スロットがあります。(写真ではヒートシンクがありますが、その下にスロットがあります)

そこからやや右側にグラボを挿す PCI Express x16 スロットがあります。

ざっとこんな感じで主要部品を設置していきましょう。

2.マザーボードの配線図はあらかじめ印刷しておくと便利

付属のマニュアルに配線図がついているのですが、可能であれば、マザーボードのピン配置などが掲載された配線図は拡大コピーしたりして1枚の紙に印刷しておくと組み立ての時便利です。

マニュアルのページをめくっておくよりも1枚の紙に印刷して手元に置いておいた方が便利、というわけです。

3.マザーボードにCPUを装着

早速、組み立て作業です!

どのパーツもとても繊細なので、静電気防止機能+滑り止め機能のある手袋をつけて作業します。

それでは、CPUを開梱します。

CPUは インテル12世代Coreシリーズの Intel Core i7 12700 です。

CPU本体とリテールファンが付属しています

マザーボードを箱からとりだし、やわらかい絶縁マットの上に置きます。



LGA-1700 スロットには最初カバーがかかっているため、ストッパーを外します

ストッパーを押しずらしてはずして、カバーを取り外します

先ほど開梱したCPUを保護ケースから取り出します

開いている LGA 1700 スロットにCPUを設置します。切り欠きを確認して、向きを間違えないように、設置したらストッパーを再び閉じます

ちなみに、CPUファンはまだ装着しません。

なぜなら、ファンは大きいので先に装着してしまうと、メモリ等の装着の際にジャマになるためです。

4.メモリの装着

次にメモリを装着していきます。

この4つ並んでいるのがメモリスロットでここに1枚ずつメモリを挿入します

まず最初に、ロックレバーを開いておきます

メモリモジュールをパッケージから取り出しましょう。今日使っているメモリは Crucial デスクトップ用 DDR5 32G x 2です。

そこに、メモリモジュールを挿し込みます。
方向を間違えないようにきをつけます。

もし軽く押してみて抵抗があるようなら、向きをみましょう。

反対にしてみても抵抗がある場合、規格が違うことも疑います。

たとえば マザーボードが DDR5 のメモリモジュールを求めているのに DDR4 のメモリモジュールを買ってしまった場合など、DDR4は物理的に挿し込めないようになっていますので、無理に力を入れて挿そうとするとマザーボードやメモリが壊れてしまうので気を付けましょう。

今回は、何も考えずに1番スロットと2番スロットに挿してしまいましたが、どこに挿すのがよいのかはマザーボードのマニュアルを確認する必要があります。

2枚のメモリモジュールを挿す場合、多くのマザーボードでは、1番スロットと3番スロット または 2番スロットと4番スロットのように1スロットとばして挿すとメモリ読み書きの効率が良いとマニュアルに書いてあります。

4.SSDの装着

次にSSDを装着していきます。開梱すると、このようなSSDが出てきます。

今回買ったSSDはSAMSUNG 980 PRO 2T M.2 NVMeでヒートシンクつきのモデルです。

M.2 用のSSDにはヒートシンクつきと、ヒートシンク無しのものがありますが、今回のマザーボード 【ASRock Z690 Steel Legend WiFi 6E/D5】 には M.2 Armor という評判の良いM.2 用のヒートシンクが標準で用意されています。

今回はヒートシンクつきのSSD を購入したので、マザーボード標準搭載のヒートシンクはドライバーでネジをはずして取りはずすことにします。

マザーボードの標準のデザインが気に入っている人はヒートシンク無しのSSDを購入するのもありですね。

このとおり、標準装備されていた M.2 用ヒートシンクをはずすと、M.2スロットが姿をあらわします。

M.2 スロットに SSD を挿して、

これで SSD の装着が完了です

5.CPUファンの装着

CPUファンを取り付けましょう。

今回とりつけるのは、CPUに付属している「リテールファン」です。

CPUのまわりにある4つの穴に、ファンのピンが入るように把持し、

ピン先が穴にふれたら、ピンの上部をカチっとなるまで押し入れます。

次に、CPUファンの電源コネクタをマザーボードの CPU FAN 用ジャンパー差します。マザーボード上に CPU FAN1 と書いてありますね

次回は、マザーボードをケースに設定してからの組み立て作業を行っていきたいと思います!


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