[自作日記11] マザーボードとケースの配線をする

[自作日記11] マザーボードとケースの配線をする

今回は、マザーボードをケースに装着し各種配線を行っていきます!

1. スペーサーネジをはめる

ケースにはスペーサーネジというものが付属しています。これをケースにハメていきます。スペーサーはマザーボードを ”浮かせた” 状態で固定するためのものです。

スペーサネジ

このスペーサーをケースにあいたネジ穴にはめていきます。ケースにはネジ穴があらかじめあいており、ネジ穴にはヒントが書いてあります。

今回のケースには ATX と Mini ATX のフォームファクタのマザーボードに対応しており、ネジ穴は、どのフォームファクタ向けのネジ穴なのかがヒントとして書いてあります。

フォームファクタとは

PCケースのサイズや形状の規格を指し、主にマザーボードとの互換性に基づいて定義されます。主なフォームファクタには以下のようなものがあります:

  1. ATX:
    • 標準ATXは、最も一般的なフォームファクタで、多くの拡張スロットと豊富な接続ポートを備えています。サイズはおおよそ30.5cm x 24.4cmです。
    • Micro-ATX(マイクロATX)は、標準ATXよりも小さく、サイズは約24.4cm x 24.4cm。拡張スロットが少ないが、よりコンパクトなPCを構築する際に選ばれます。
    • Mini-ATXはさらに小さいフォームファクタで、非常に限られたスペースに適しています。
  2. Mini-ITX:
    • サイズは約17cm x 17cmで、非常に小型のPCケースに収まる設計です。省スペースのPCやメディアセンター、小型サーバーなどに適しています。
  3. E-ATX(拡張ATX):
    • 標準ATXよりも大きく、主に高性能なワークステーションやゲーム用PCに使われることが多いです。サイズが大きいため、より多くの拡張カードやその他のコンポーネントを収容することができます。

今回のPCケースは ATX フォームファクタですが、 それより小さなMini ATX のマザーボードもつけられるというわけです。

そのため、ATX 用のネジ穴と、Mini ATX 用のネジ穴が開いています。

今回のマザーボードは ATX 用なので、 ATX 用のネジ穴にスペーサネジを取り付けます。

ちなみに、万が一スペーサネジをとりつけずに、マザーボードをPCケースに直置きしまうと、漏電して、大変なことになりますので、絶対にスペーサネジをわすれないようにしましょう。

2.マザーボードをケース内に置く

スペーサを付けたら、マザーボードをケース内にそっと配置します

マザーボード上にあるネジ穴といましがたとりつけたスペーサーが同じ位置にくるように調整しておきます

付属のネジをつかってマザーボードを固定します

この付属ネジはころがって紛失しやすいので、きをつけましょう。

ちなみに、当社にはPC組立修理部屋があり、無くしやすいパーツ類は常に予備を在庫しています。ネジ類はそんなに比較的安価に手に入るので、予備は手元においておくと便利かもしれません。

自作マシン用ネジたち

3.マザーボードとケースの結線

マザーボードと結線されるのは周辺パーツだけではありません。

PCケースには、フロントパネルに電源スイッチ、USB端子、オーディオ端子などが設置されており、それらとマザーボードを結線する必要があります。

3-1 電源ボタン、リセットボタンなどを結線

ケース側から伸びたケースフロントパネルの電源ボタン一式ケーブルをマザーボードに接続します。

マザーボードのこのあたりが、フロントパネルの電源ボタン一式ケーブルを接続するジャンパーピンのありかです。



マニュアルをみてピンレイアウトを確認します。

このピン配置だけみても、ピンとこないかもしれませんので、以下補足してみました

これを参考にして、PCケースの電源系ケーブルをマザーボードに挿していきましょう。少し細かい作業となります。

こんな感じで、マザーボード側にある電源用ジャンパーピンにPCケースからのびたフロントパネル電源コネクタを接続します。

さっきのピンレイアウトをちょうど逆からみたような形です。

反対側もこのように装着しました

3-2 USB3ケーブルの接続

次に、PCケース側からのびたUSB3ケーブルをマザーボードに接続します


3-3 USB2 ケーブルの接続

同様に、ケース側からのびた USB2ケーブルをマザーボードに接続します

3-4 SATAケーブルを挿す

5インチベイに入れたSATAリムーバルケースから伸びたSATAケーブルを、マザーボードのSATAコネクタに挿します。ここでは SATA A というコネクタに挿しました。たいていは、マザーボード上に表記されていて便利です。

3-5 オーディオケーブルを挿す

ケース背面からのびているオーディオケーブルをひっぱりだし

マザーボードのHD AUDIO1 に挿します。

オーディオケーブルまで接続できたので、PCケースのフロントパネル用のケーブルはこれでぜんぶ結線できました!

次回はグラフィックボードを設置します!


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