본 논문은 대규모 유전체 데이터베이스 백업, 저장, 전송 및 관리에 중요한 역할을 하는 학습 기반 손실 없는 압축기의 성능 향상을 위해 새로운 병렬 다중 지식 학습 기반 압축기(PMKLC)를 제안한다. PMKLC는 압축률 및 강건성 향상을 위한 자동화된 다중 지식 학습 기반 압축 프레임워크, 압축 처리량 및 컴퓨팅 자원 사용량을 최적화하기 위한 GPU 가속 ($s$,$k$)-mer 인코더, 병렬 가속을 위한 데이터 블록 분할 및 단계적 모델 전달(SMP) 메커니즘, 그리고 다양한 응용 시나리오를 충족하기 위한 두 가지 압축 모드(PMKLC-S 및 PMKLC-M)를 포함하는 네 가지 핵심 설계를 특징으로 한다. 실제 데이터셋 15개에 대한 실험 결과, PMKLC-S/M은 기존 방법들에 비해 압축률을 최대 73.609% 및 73.480% 향상시켰고, 처리량은 최대 3.036배 및 10.710배 향상시켰다. 또한, 우수한 강건성과 경쟁력 있는 메모리 사용량을 달성했다.
