1 定義と歴史
1.1 浮動小数点演算の基本概念
浮動小数点演算とは、IEEE 754規格で定められた形式で実数を表現し、加減乗除などの演算を行う方式である。コンピュータが科学技術計算やグラフィックス処理で扱う数値は、整数ではなく広い範囲の実数であることが多く、浮動小数点演算が不可欠となる。FLOPS（Floating Point Operations Per Second）は、1秒間に実行できる浮動小数点演算の回数を示す性能指標であり、TeraFLOPS（TFLOPS）は1秒間に1兆（10の12乗）回の演算能力を表す。
1.2 テラフロップスの登場と普及
1990年代半ば、並列コンピュータの台頭により、単一システムで1TFLOPSを超える性能が実現可能となった。当初はスーパーコンピュータ専用の指標だったが、2000年代後半からGPUの汎用演算利用（GPGPU）が普及し、民生品でもTFLOPS単位の性能が当たり前になった。2010年代以降は、深層学習の需要とともにTFLOPSはマーケティング上の重要指標として一般化した。
1.2.1 初のテラフロップス級スーパーコンピュータ
1996年、米サンディア国立研究所の「ASCI Red」（Intel Paragonベース）がLINPACKベンチマークで1.06TFLOPSを達成し、史上初のTFLOPS超えスーパーコンピュータとなった。これは核実験シミュレーションを目的とするASCI計画の一環で、約9,000個のPentium Proプロセッサを搭載していた。その後、1997年にはIntel ASCI Redが1.8TFLOPSに達し、TOP500リストで首位を獲得した。
1.3 単位の変遷（メガからエクサまで）
コンピュータ性能の単位は、MFLOPS（10の6乗）、GFLOPS（10の9乗）、TFLOPS（10の12乗）、PFLOPS（10の15乗）、EFLOPS（10の18乗）と推移してきた。1980年代のCray-1は約160MFLOPS、1990年代半ばにTFLOPS、2000年代後半にPFLOPS、2020年代初頭にエクサフロップス級システム（米国Frontier、日本富岳など）が実用化された。この指数関数的な成長は、半導体微細化と並列化技術の進歩に支えられている。
2 測定と性能評価
2.1 理論値と実測値の違い
理論ピーク性能は、プロセッサの動作周波数とコア数、1クロックあたりの演算命令数から算出される理想値である。しかし実際のアプリケーションでは、メモリアクセス遅延、キャッシュミス、データ依存性、命令スループットの制約により、実効性能は理論値の10～50%程度に留まることが多い。例えば、GPUの理論TFLOPSが高くても、メモリ帯域不足で演算器が遊ぶ現象（メモリバウンド）が生じる。
2.2 LINPACKベンチマークなどの標準手法
LINPACKは密行列の連立一次方程式を解くベンチマークで、TOP500スーパーコンピュータランキングの標準指標として用いられる。HPL（High-Performance LINPACK）実装により、並列計算機の実効TFLOPSを測定する。同テストは数値計算の効率的な部分を評価できるが、実アプリケーションとの乖離が指摘されている。他にも、科学計算用のHPCG（High-Performance Conjugate Gradient）やMLPerf（機械学習）などが補完的に使用される。
2.2.1 ベンチマークの限界と批判
LINPACKは密行列演算に特化しており、スパース計算や不規則メモリアクセスが多いアプリケーションの性能を反映しない。また、ベンチマークに最適化されたチューニング（演算カーネルの手動最適化）が行われ、実運用で得られる性能より数倍高い値を示す場合がある。このため、実ワークロードの性能予測には不十分との批判が根強い。さらに、消費電力やコストの指標が含まれていない点も課題である。
2.3 消費電力あたりの性能（FLOPS/W）
電力効率は、1ワットあたりのFLOPS（FLOPS/W）で評価される。Green500リストはTOP500のシステムを電力効率でランク付けし、省エネルギー性能を可視化する。GPUや専用アクセラレータ（例：NVIDIA DGX、Google TPU）は従来のCPUに比べてFLOPS/Wが高く、データセンターの消費電力制約下で重視される指標となっている。半導体微細化と低電圧動作の進展により、FLOPS/Wは世代ごとに約2倍向上してきた。
3 用途と応用分野
3.1 スーパーコンピュータ
スーパーコンピュータは、大規模並列計算によってTFLOPS級の性能を発揮する。現在（2020年代）のトップクラスシステムはEFLOPS級に達し、気象、宇宙、生命科学など多様な分野で活用されている。TFLOPSはシステムの能力を測る基本単位であるが、アプリケーションによって実効性能は大きく異なる。
3.1.1 気象予測と気候シミュレーション
数値天気予報（NWP）では、全球を格子分割した微分方程式を時間積分するため、PFLOPS級の計算能力が必要である。例えば、日本の「富岳」は気象庁のメソモデルを高速に処理し、台風予測精度向上に貢献している。気候変動シミュレーションでは、数百年にわたる長期計算を実行するため、TFLOPSからEFLOPSへのスケールアップが不可欠である。
3.1.2 分子動力学と創薬研究
分子動力学（MD）シミュレーションは、タンパク質やウイルスの挙動を原子レベルで解析する。代表的なソフトウェアとしてGROMACSやNAMDがあり、GPU並列によって数十TFLOPSの性能を活用する。新型コロナウイルス研究では、スパコンのTFLOPSを投入して創薬候補のスクリーニングが行われた。創薬における構造ベースドラッグデザインでは、数百万候補の分子ドッキング計算にTFLOPS級のリソースが使われる。
3.2 グラフィックスとゲーム
GPUのTFLOPSは、リアルタイム3Dグラフィックスの描画性能を表す主要な指標である。シェーダープログラムが実行する浮動小数点演算の総量が、フレームレートや解像度に直接影響する。
3.2.1 GPUの世代別テラフロップス比較
NVIDIAのGeForceシリーズを例にとると、GTX 1080（2016年）は単精度約9TFLOPS、RTX 2080 Ti（2018年）は約13TFLOPS、RTX 3090（2020年）は約36TFLOPS、RTX 4090（2022年）は約82TFLOPS（FP32）と、約6年で約9倍に向上した。AMDのRadeonシリーズも同様の伸びを示しており、コンシューマー向け製品でも10TFLOPS超えが一般的となっている。ただし、TFLOPSの数値と実ゲーム性能は必ずしも比例しない。
3.2.2 コンソールゲーム機の性能指標
家庭用ゲーム機では、GPUのTFLOPSがスペック比較の主な尺度として使われる。PlayStation 5（2020年）は約10.28TFLOPS、Xbox Series Xは約12.15TFLOPS（いずれもRDNA 2アーキテクチャ、FP32）。Nintendo Switch（2017年）は約0.4TFLOPS（ドッキング時）と差が大きい。ただし、ゲーム体験はCPU、メモリ、ストレージ、最適化など多要素に依存するため、TFLOPS単独での優劣判断は注意を要する。
3.3 人工知能と深層学習
深層学習の訓練（トレーニング）では、大規模ニューラルネットワークの順伝播・逆伝播に大量の行列演算が必要であり、GPUやTPUのTFLOPSが直接学習速度に影響する。GPT-3のような巨大モデルでは、数千GPU・数万TFLOPSのリソースを数週間使用する。
3.3.1 半精度（FP16）と整数演算（INT8）の活用
深層学習はFP32よりも低精度の演算で十分な精度が得られる場合が多い。NVIDIAのTensor CoreはFP16（半精度）でFP32の2倍のスループット、INT8（8ビット整数）でさらに4倍のスループットを発揮する。これらの単位は「TFLOPS（FP16）」などと区別して表示されるが、マーケティングではFP32と混同されることもある。特にAI向けGPUでは、FP16 TFLOPSがFP32の2倍程度になるのが一般的である。
3.4 暗号通貨のマイニング
イーサリアム（Proof-of-Work時代）のマイニングでは、GPUのハッシュレート（MH/s）とTFLOPSに一定の相関があったが、ASIC（特定用途向け集積回路）の登場後は、汎用GPUのTFLOPSはマイニング効率と直結しなくなった。ビットコインマイニングは専用ASICが担うため、TFLOPS指標は用いられない。ただし、GPUのTFLOPSが高いほど、Ethashアルゴリズムで有利だった時期がある。
4 限界と批判
4.1 実アプリケーションとの乖離
TFLOPSは理論上の演算能力であり、実際のアプリケーション性能はメモリ帯域、レイテンシ、並列化効率、ソフトウェア最適化などの影響を強く受ける。例えば、大規模疎行列計算や不規則なデータアクセスでは、同じTFLOPSでも性能が大きく低下する。また、CPUとGPUのアーキテクチャの差異により、同じTFLOPS値でも得意な処理が異なる。このため、TFLOPSだけでシステムを評価することは不十分である。
4.2 マーケティング上の誇大表現
GPUやゲーム機の販売において、TFLOPSの数値が性能のすべてであるかのようにプロモーションされることが多い。特に、「理論ピークTFLOPS」のみの強調は、実効性能の低さを隠す誤解を招く。また、異なるアーキテクチャ（NVIDIA vs AMD）や異なる精度（FP32 vs FP16）の数値を単純比較すると、誤った印象を与える。消費者は、TFLOPS以外のベンチマークや実ゲームフレームレートも参照すべきである。
4.3 将来の展望（ペタフロップス、エクサフロップスへ）
2020年代に入り、エクサフロップス（EFLOPS）級システムが複数稼働している（米国Frontier、日本富岳、中国神威・太湖之光など）。今後はゼタフロップス（ZFLOPS、10の21乗）を目指す研究が進むが、消費電力と発熱の壁が最大の課題である。一方、量子コンピュータやニューラルプロセッサなど、従来のFLOPS概念とは異なる計算パラダイムも登場しており、TFLOPSの優位性が問われる局面も増えている。