정밀 의학에 사용되는 대규모 유전체 워크플로우는 샘플당 수십에서 수백 기가바이트의 데이터를 처리하며, 이는 높은 메모리 사용량, 집중적인 디스크 I/O, 메모리 부족 오류로 인한 작업 실패로 이어진다. 본 논문에서는 염색체 수준의 생물정보학 워크플로우를 위한 적응형, RAM 효율적인 병렬화 메커니즘을 제안한다. 첫째, 주어진 작업에 대한 염색체별 메모리 소비량을 추정하고 과할당을 최소화하기 위해 보간 편향을 도입하는 기호 회귀 모델을 개발한다. 둘째, 다항 회귀 모델로 RAM 사용량을 예측하고, 작업 패킹을 배낭 문제로 처리하여 예측된 메모리 요구 사항에 따라 작업을 최적으로 배치하는 동적 스케줄러를 제시한다. 또한, 처리량을 유지하면서 피크 메모리를 최소화하기 위해 염색체 처리 순서를 최적화하는 정적 스케줄러를 제시한다. 제안된 방법은 시뮬레이션 및 실제 유전체 파이프라인에서 평가되었으며, 메모리 초과를 줄이고 스레드 간의 부하를 분산하는 새로운 메커니즘을 제공하여, 대규모 유전체 워크플로우를 최적화할 수 있는 가능성을 보여준다.
