Server Gear | HPC + AI¶
GPUサーバー（H200 NVLなど）の導入を、要件整理 - 構成提案 - 構築 - 受入テスト - Runbook納品までまとめて支援します。
HPC（FP64）もAI/深層学習も、目的に合わせて最短ルートで進めます。
まずどこから読むべきか¶
- 研究者・実験屋の方
- LLZO Fast-charge bottleneck map
- Li / LLZO ハブ
-
「bulk だけでなく GB / interface まで比べると何が見えるか」を先に掴めます。
-
再現条件と証拠を先に見たい方
- Evidence
- Benchmarks
- Runbooks
-
「何が PASS していて、何が配布されていて、どこまで再現できるか」を確認できます。
-
導入や構成の相談をしたい方
- Bundle（QE+Allegro+LAMMPS 主導線）
- Hardware（H200 NVL 1/4/8GPU）
- Runbook申請（自動返信DL）
- 研究内容が固まり切っていなくても、要件整理から入れます。
今回の見どころ¶
-
LLZO Fast-charge bottleneck map
A100x4 上で、bulk / grain boundary / Li interface を同一スキーマで見比べるための比較ハブです。
full-cell の充電時間予測ではなく、どこが詰まりやすいかを切り分けるための技術デモとして整理しています。 -
Bundle QE+Allegro+LAMMPS E2E PASS（A100x4）
QE / Allegro / LAMMPS が A100x4 で E2E PASS している証跡です。 -
QE GPU build vs コンテナ
QE 側の基準値と build 条件を確認したい場合の入口です。
Proof（証拠）¶
参考リンク（既存）¶
対応ワークロード（例）¶
HPC / シミュレーション¶
- DFT/量子化学、材料・分子、MD、CFD、構造解析など
- 代表例として、DFTデータからMLポテンシャルを学習し、MDを大規模に回す流れ（NequIP/Allegro、LAMMPSなど）も扱います
- LLZO では、QE / Allegro / LAMMPS / 再現条件 / drift 回避をまとめて追えるように整理しています
AI / 深層学習¶
- 研究開発用途の学習/推論、データ前処理、分散学習など
- ただし、ライセンス、依存関係、セキュリティ要件により対応可否は変わります（まず要件を伺います）
調達・決裁担当の方へ（確認ポイント）