HPCDIY-ERMGPU8R4S（こちら）にGeForce NVIDIA A100 PCIe 40GB を枚実装し、gpu_burn（こちら）を実行して、消費電力と温度が定常状態になるまでを nvidia-smi -l で監視してみました。
HPCDIY-ERMGPU8R4S（こちら）にGeForce NVIDIA A100 PCIe 40GB を枚実装し、gpu_burn（こちら）を実行して、消費電力と温度が定常状態になるまでを nvidia-smi -l で監視してみました。
消費電力はそれぞれ約250W、温度はMAXで72°Cと非常に優秀な結果になりました。
DS4 q2-imatrix / ctx131K の短時間smokeと8K benchmarkが、A100 80GB×2 NVLink接続ペアで完走しました。今回の結果は q2・短時間検証・NVLink接続ペアという条件付きですが、少なくとも入口構成としてはA100×4必須ではない可能性を確認できました。
Local LLM controller、Web検索、安全なCLI操作を組み合わせ、LLZOのLiイオン拡散評価に向けたQuantum ESPRESSO環境構築とbounded sanity runまでを実践しました。
RTX PRO 6000 Blackwell 2GPU評価機で、Qwen2.5-72B BF16/FP8/NVFP4、Nemotron3 120B FP8、Qwen3 235B NVFP4をQE/LAMMPS入力生成タスクで比較しました。
ローカルLLMはAllegro/NeQUIPの学習設定YAMLを作れるのか：Nemotronでmetadata-only preflightを検証 これは性能ベンチマークではありません。A100x4上のローカルLLMで、Allegro / NeQUIPの学習設定YAMLをどこまで安全に作り、実行前に確認できるかを調べた機能検証です。 結論から言うと、NemotronはAllegro / NeQUIPのtraining YAML候補を生成できました。既存SIF内で torch / nequip / allegro のimport、A100x4のCUDA可視