MycoBrain: 비인간을 위해 설계된 최초의 컴퓨터

드로이드, 균사체, 생태계, 기계, AI 에이전트를 위한 신호 기반 엣지 컴퓨터

컴퓨터는 인간을 위해 만들어졌다.

컴퓨터는 텍스트, 숫자, 이미지, 스프레드시트, 코드, 명령, 언어를 처리하도록 설계되었다. 키보드, 화면, 파일, 운영체제, 그리고 인간이 다른 인간을 위해 설계한 네트워크를 중심으로 구축되었다. 현재의 인공지능 물결조차도 여전히 인간의 표현 결과물인 책, 웹사이트, 논문, 대화, 코드 저장소, 이미지, 캡션, 동영상에 크게 의존하고 있다.

하지만 지구는 문단으로 말하지 않는다.

토양은 영어로 가뭄을 설명하지 않는다. 곰팡이는 챗봇을 통해 스트레스를 알리지 않는다. 나무는 API에 원격 측정 데이터를 게시하지 않는다. 개미 군집은 JSON으로 라우팅 로직을 설명하지 않는다. 해양 환경은 우리를 위해 음향 이상을 레이블링하지 않는다. 살아있는 시스템은 기울기, 전압, 가스, 압력, 진동, 습기, 열, 화학적 변화, 전기적 진동, 성장, 부패, 움직임, 반응을 통해 신호를 보낸다.

그래서 우리는 MycoBrain을 만들었다.

MycoBrain은 @Mycosoft 환경 드로이드(로봇, 탐사선, 부이, 관측소, 생물학적 인터페이스)의 핵심 컴퓨터이다. 이 드로이드들은 외부에서 살고, 생존하고, 학습하고, 인간이 매 순간 지시할 필요 없이 작동하도록 설계되었다. MycoBrain은 우리의 공유 하드웨어 신경계이다. 살아있는 세계를 엣지 AI, 메시 네트워킹, 자연 학습 모델(Nature Learning Model)에 연결하는 모듈식 듀얼 ESP32-S3 센서 및 통신 메인보드이다.

MycoBrain은 단순한 개발 보드가 아니다. 단순한 IoT 컨트롤러도 아니다. 우리가 의도적으로 비인간 통신을 위해 만든 최초의 컴퓨터이다. 단어를 통한 통신이 아니라 신호를 통한 통신을 위한 컴퓨터이다.

하드웨어 포트폴리오는 MycoBrain을 모든 Mycosoft 장치의 핵심인 공유 듀얼 ESP32-S3 컨트롤러 플랫폼으로 정의하며, Side-A는 센서 I/O를, Side-B는 LoRa 메시 네트워킹을 담당한다. V1 보드는 85 mm × 55 mm, 45 g PCB로, 듀얼 ESP32-S3-WROOM 모듈, 4개의 아날로그 입력, I²C, MOSFET 출력, UART, SX1262 LoRa, 5~12 V 전원 입력을 사용한다.

MycoBrain이 존재하는 이유

현재의 AI 산업은 인터넷을 읽는 더 크고 더 큰 모델을 만들고 있다. 그것은 유용하지만 충분하지 않다.

언어 모델은 이미 인간의 인식을 거친 현실의 표현에 대해 훈련된다. 숲은 문단이 된다. 토양 상태는 메모가 된다. 곰팡이의 스트레스 반응은 실험실 관찰이 된다. 해안 음향 환경은 레이블링된 데이터세트가 된다. 모델이 이를 볼 때쯤이면 현실은 이미 압축되고, 필터링되고, 해석되고, 번역된 상태이다.

Mycosoft는 다른 것을 만들고 있다.

우리의 테제는 차세대 지능은 언어가 되기 전의 물리적 현실로부터 학습해야 한다는 것이다. 자연 학습 모델(NLM)은 이 아이디어를 중심으로 설계되었다. 이는 텍스트와 이미지뿐만 아니라 파장, 파형, 전압, 가스 농도, 온도 구배, 압력장, 실시간 생물권 신호로부터 학습하는 접지된 감각 세계 모델이다. 아키텍처는 SSM/Mamba 백본, 그래프/하이퍼그래프 계층, 그리고 연속 센서 스트림 및 다중 양식 환경 관계를 위한 스파스 어텐션을 사용한다.

이를 위해서는 새로운 종류의 엣지 컴퓨터가 필요하다.

흙, 공기, 물, 숲, 농장, 실험실, 건물, 바다에 놓일 수 있는 컴퓨터. 가스 저항, 습도, 온도, 압력, 전도도, pH, 생체전기 스파이크, 하이드로폰 파형, 레이더 반사, LiDAR 형상, 카메라 프레임, 배터리 상태, 메시 상태를 읽을 수 있는 컴퓨터. 이러한 신호를 NVIDIA Jetson 또는 M5Stack LLM 모듈의 로컬 AI 추론으로 라우팅한 다음, NatureOS, MINDEX, MYCA, AVANI, FUSARIUM 및 더 넓은 Mycosoft 스택과 동기화할 수 있는 컴퓨터.

그 컴퓨터가 MycoBrain이다.

핵심 설계: 하나의 뇌, 다양한 몸체

모든 Mycosoft 드로이드는 다른 몸체를 가지고 있다.

Mushroom 1은 토양, 균사체, 현장 감지를 위해 제작되었다. SporeBase는 생물학적 에어로졸, 포자, 공기 샘플링을 위해 제작되었다. Hyphae 1은 모듈식 산업용 센서 및 엣지 컴퓨팅 노드로 제작되었다. MycoNode는 매립형 지하 균류 인터페이스로 제작되었다. ALARM은 생물학적 및 환경 경보를 위해 제작되었다. Psathyrella는 해양 음향 정보를 위해 제작되었다. Agaric은 공중 드로이드 및 배치 플랫폼으로 제작되었다.

다른 몸체. 다른 환경. 다른 임무.

하지만 모두 동일한 기본 신경계가 필요하다.

센서 데이터를 수집하고, 전력을 관리하고, 메시 네트워크를 통해 통신하고, 링크가 실패하면 데이터를 버퍼링하고, 원격 측정을 동기화하고, 확장 포트를 노출하고, 펌웨어 업데이트를 지원하고, 추론 계층에 연결해야 한다. 모든 장치가 완전히 다른 메인보드, 펌웨어 스택, 커넥터 맵 및 프로토콜을 가지고 있다면 Mycosoft는 즉시 확장 불가능해진다.

그래서 우리는 MycoBrain을 재사용 가능한 내부 아키텍처로 만들었다.

하나의 보드 제품군. 하나의 펌웨어 계보. 하나의 원격 측정 어휘. 하나의 신호 파이프라인. 하나의 확장 가능한 제조 경로.

MycoBrain은 모든 Mycosoft 장치의 통신 및 센서 수집 핵심이며, 듀얼 MCU 아키텍처(단일 PCB에 전용 센서 및 라우터 서브시스템)와 독립적인 펌웨어 업데이트를 가능하게 하는 UART 브리지 토폴로지를 설계 IP로 식별한다.

이는 제조 측면에서 중요하지만, 지능 측면에서 더욱 중요하다. 전체 함대가 동일한 신경계를 통해 학습한다.

MycoBrain V2: 현재 구축 중인 보드

MycoBrain V2는 V1 개념을 확장하여 더 크고 강력한 엣지 제어 보드로 발전시켰다.

아키텍처: 두 개의 ESP32-S3-WROOM-1U-N16R8 모듈, CORE1262-868M LoRa 트랜시버, SIM7600G 26핀 모뎀 헤더, 두 개의 USB-C 커넥터, 네 개의 아날로그 입력, 네 개의 I²C 헤더, UART0 및 UART2 헤더, 세 개의 5 V 출력, NeoPixel 출력, 두 개의 부저, 12 V 입력, 5 V 및 3.3 V 레일.

이 조합은 세 가지 작업을 수행하는 실용적인 현장 컴퓨터를 제공한다.

첫 번째 작업은 감지이다. MycoBrain은 환경의 물리적 원시 상태를 수집해야 한다. 즉, 아날로그 입력, I²C 센서, 가스 센서, 생체전기 프로브, 외부 센서 카드, 동반 컴퓨팅을 통한 카메라/레이더/LiDAR 확장, 배터리 모니터링 및 향후 모듈식 페이로드가 필요하다.

두 번째 작업은 라우팅이다. MycoBrain은 WiFi가 보장되지 않고, 셀룰러가 간헐적이며, 현장 장치가 서로를 통해 중계해야 할 수 있는 세계에서 데이터를 이동시켜야 한다. 이것이 LoRa가 핵심 아키텍처에 내장되어 있고 Side-B가 통신 피질로 존재하는 이유이다.

세 번째 작업은 조정이다. MycoBrain은 생물학적 세계와 AI 세계 사이에 위치한다. 곰팡이 프로브, 토양 센서, 하이드로폰, 기상 패키지, LTE 모듈, Jetson 및 클라우드 플랫폼이 하나의 일관된 시스템에 참여할 수 있게 하는 보드이다.

이 보드는 가장 큰 컴퓨터가 되려는 것이 아니다. 몸체에서 가장 중요한 컴퓨터가 되려는 것이다.

Side-A와 Side-B: MycoBrain에 두 개의 뇌가 있는 이유

단일 마이크로컨트롤러로 센서 노드를 실행할 수 있다. 하지만 자율 환경 드로이드 함대의 장기 신경계가 될 수는 없다.

듀얼 ESP32 구조가 존재하는 이유는 감지와 통신이 타이밍, 전력, 신뢰성 요구 사항이 다른 별개의 작업이기 때문이다.

Side-A는 결정론적 바디 컨트롤러이다. 센서 폴링, 아날로그 판독, I²C 확장, 로컬 액추에이터 제어, 전력 모니터링, 임계값 감지, 안전 경계를 담당한다. Side-A는 시스템에서 차분하고 예측 가능하며 효율적으로 유지되어야 하는 부분이다. 규율을 가지고 물리적 세계를 읽는다.

Side-B는 통신 및 라우팅 컨트롤러이다. LoRa, BLE, WiFi, LTE 확장, 향후 모뎀 경로, 하트비트 트래픽, 게이트웨이 동작, 메시 참여를 관리한다. Side-B는 통신이 필요할 때 더 많은 에너지를 소비하고, 필요하지 않을 때 절전 또는 듀티 사이클을 수행할 수 있다.

이러한 분할은 아키텍처를 강력하게 만든다. 무선 스택이 멈춰도 센서 측은 계속 수집할 수 있다. 실험에 고속 센서 샘플링이 필요하면 그에 맞춰 통신을 스케줄링할 수 있다. 장치가 묻히거나, 떠 있거나, 걷거나, 날아도 동일한 분할이 여전히 유효하다.

간단한 정신 모델은 다음과 같다.

1              ┌──────────────────────────────┐
2              │        Jetson / AI Cortex     │
3              │  NLM inference, MYCA agents   │
4              │  local memory, model weights  │
5              └──────────────┬───────────────┘
6                             │
7                    MDP / UART / Bridge
8                             │
9┌────────────────────────────┴────────────────────────────┐
10│                         MycoBrain                         │
11│                                                          │
12│  ┌──────────────────────┐      ┌──────────────────────┐  │
13│  │ Side-A ESP32-S3       │      │ Side-B ESP32-S3       │  │
14│  │ deterministic sensing │◄────►│ comms + mesh routing  │  │
15│  │ analog / I²C / power  │      │ LoRa / BLE / WiFi/LTE │  │
16│  └──────────────────────┘      └──────────────────────┘  │
17│                                                          │
18└──────────────────────────────────────────────────────────┘

이는 그 자체를 위한 복잡성이 아니다. 임베디드 시스템에 적용된 생물학적 사고이다: 기관을 전문화하고, 유기체가 조정하도록 하는 것이다.

신호 기반 데이터 모델

전통적인 AI 파이프라인은 다음과 같다.

1Text → Tokenizer → Transformer → Text

MycoBrain이 존재하는 이유는 자연의 파이프라인이 전혀 그렇지 않기 때문이다.

곰팡이의 스트레스 반응은 전압 변동으로 나타날 수 있다. 포자 사건은 입자 수, 가스 프로필, 광학 이상으로 나타날 수 있다. 해양 위협은 하이드로폰 스트림의 압력 파형으로 나타날 수 있다. 나무의 스트레스는 습기, VOC, 온도, 균근 생체전기 반응으로 나타날 수 있다.

따라서 MycoBrain 파이프라인은 물리적 상태로 시작된다.

1x_t = [V_t, I_t, T_t, RH_t, P_t, VOC_t, CO2_t, pH_t, EC_t, A_t, M_t, L_t, R_t]

다음과 같습니다:

• V_t는 전압 또는 생체전기 전위
• I_t는 전류 또는 임피던스 유래 신호
• T_t는 온도
• RH_t는 상대 습도
• P_t는 압력
• VOC_t는 휘발성 유기 화합물 반응
• CO2_t는 이산화탄소 등가 또는 관련 가스 추정치
• pH_t는 산성도/염기도
• EC_t는 전기 전도도
• A_t는 음향 파형 상태
• M_t는 기계적 또는 운동 상태
• L_t는 빛, 스펙트럼 또는 LiDAR 유래 형상
• R_t는 무선/네트워크 상태

자연 학습 모델은 잠재 환경 상태를 학습합니다:

1z_t = f_theta(x_(t-k:t), m_t, g_t)

여기서 x_(t-k:t)는 신호의 히스토리 윈도우, m_t는 장치 역할 및 교정 상태와 같은 메타데이터, g_t는 그래프 컨텍스트(인근 장치, 유기체, 지리, 날씨, 토폴로지 또는 알려진 생태학적 관계)입니다.

그런 다음 MYCA는 행동을 제안할 수 있지만, AVANI는 해당 행동이 안전한지 관리합니다.

1â_t = action proposed by MYCA
2a_t = action actually allowed to execute
3π_MYCA = MYCA’s action policy
4z_t = current latent environmental state
5G_AVANI = AVANI governance gate
6∅ = no autonomous action

이것이 시스템의 핵심입니다: 신호가 상태가 되고, 상태가 추론이 되고, 추론이 제안된 행동이 되고, 행동이 거버넌스를 통과하며, 물리적 세계가 모델에 피드백됩니다.

코드 관점: MycoBrain 신호 프레임의 모습

개발자는 MycoBrain을 보드로 이해해야 하지만, 프로토콜 참여자로도 이해해야 합니다. 장치는 단순히 "센서 판독값을 보내는" 것이 아닙니다. 구조화된 물리적 증거를 게시하는 것입니다.

단순화된 신호 프레임은 다음과 같을 수 있습니다.

1{
2  "frame_type": "MYCOBRAIN_SIGNAL_FRAME",
3  "device_id": "mycobrain-v2-0001",
4  "device_role": "mushroom1",
5  "timestamp": "2026-05-28T00:00:00Z",
6  "location": {
7    "lat": 32.6401,
8    "lon": -117.0842,
9    "alt_m": 24.2
10  },
11  "signals": {
12    "thermal": {
13      "temperature_c": 23.41,
14      "relative_humidity": 67.2,
15      "pressure_hpa": 1012.8
16    },
17    "chemical": {
18      "voc_resistance_ohms": 323410,
19      "co2_equivalent_ppm": 612,
20      "gas_index": 84
21    },
22    "bioelectric": {
23      "channels": 16,
24      "sample_rate_hz": 100,
25      "range": "uV-mV",
26      "window_ms": 5000,
27      "features": {
28        "spike_count": 18,
29        "dominant_frequency_hz": 3.7,
30        "mean_amplitude_uv": 42.6
31      }
32    },
33    "mechanical": {
34      "vibration_rms": 0.013,
35      "orientation": [0.01, -0.04, 0.99]
36    },
37    "network": {
38      "link": "LoRa",
39      "rssi_dbm": -103,
40      "snr_db": 7.2,
41      "mesh_hops": 2
42    }
43  },
44  "provenance": {
45    "source": "side-a",
46    "transport": "MDP",
47    "crc16": "0xA81F",
48    "hash": "sha256:..."
49  }
50}

해당 프레임은 로컬 추론을 위해 Jetson으로 라우팅되거나, 네트워크 손실 시 로컬에 저장되거나, LoRa를 통해 전송되거나, LTE를 통해 전달되거나, NatureOS에 게시되거나, MINDEX에 해시되거나, NLM에 의해 평가되거나, AVANI에 의해 관리될 수 있습니다.

이것이 MycoBrain이 "단순한 하드웨어"가 아닌 이유입니다. 이는 물리적-디지털 문법입니다.

MDP: 장치 프로토콜 계층

MycoBrain이 장치 간에 작동하려면 임베디드 마이크로컨트롤러에 충분히 간단하면서도 함대에 충분히 구조화된 저수준 프로토콜이 필요합니다. 내부적으로 이 역할은 MDP(MycoBrain Device Protocol)가 처리합니다.

FUSARIUM 아키텍처는 MDP v2를 COBS 인코딩 및 CRC-16 무결성 검사를 사용하는 바이너리 전송 프로토콜로 설명하며, UART 및 BLE 물리적 전송을 위해 설계되었으며, 관찰, 경보, 명령, 구성 업데이트 및 하트비트를 위한 구조화된 메시지 유형을 포함합니다.

개념적 수준에서:

1[ magic ][ version ][ type ][ seq ][ payload_len ][ payload ][ crc16 ]

펌웨어 루프는 깔끔하게 유지될 수 있습니다.

1while True:
2    # Side-A: 결정론적 감지
3    raw_signals = side_a.sample_all(
4        analog=True,
5        i2c=True,
6        power=True,
7        bioelectric=True
8    )
9
10    # 신뢰할 수 있는 프레임으로 인코딩
11    frame = mdp.encode(
12        message_type="OBSERVATION",
13        payload=raw_signals,
14        crc16=True,
15        cobs=True
16    )
17
18    # Side-B: 통신 라우팅
19    side_b.route(
20        frame,
21        preferred_links=["LoRa", "BLE", "WiFi", "LTE"],
22        store_and_forward=True
23    )
24
25    # Jetson: 선택적 로컬 추론
26    if jetson.available():
27        latent_state = nlm.encode(raw_signals)
28        decision = myca.propose(latent_state)
29
30        if avani.gate(decision) == "PASS":
31            side_a.execute(decision.action)

이것은 Mycosoft 철학의 임베디드 버전입니다: 먼저 측정하고, 다음으로 추론하고, 거버넌스를 거친 후에만 행동하라.

MycoBrain이 비인간을 위해 제작된 이유

"비인간을 위해 만들어진 최초의 컴퓨터"라는 문구는 가볍게 사용하는 슬로건이 아닙니다.

우리는 구체적인 의미를 가지고 있습니다.

대부분의 컴퓨터는 주요 사용자가 사람이라고 가정합니다. 인간이 입력하고, 클릭하고, 말하고, 제스처하고, 탭합니다. AI 어시스턴트조차도 궁극적으로 세계를 인간 언어로 매핑합니다.

MycoBrain은 이를 반전시킵니다.

주요 사용자는 다음과 같을 수 있습니다.

• 생체전기 진동을 생성하는 곰팡이 네트워크
• 전도성과 가스 교환을 변화시키는 토양 미생물군
• 가뭄에 반응하는 숲
• 이동 패턴을 변경하는 개미 군집
• 균근 관계를 통해 자원을 교환하는 나무
• 해양 음향 압력을 감지하는 하이드로폰
• 자체 전력 및 센서 일정을 관리하는 로봇 몸체
• 현장에서 증거를 요청하는 AI 에이전트
• 메시를 통해 원격 측정을 중계하는 다른 MycoBrain

그 세계에서 언어는 첫 번째 인터페이스가 아닙니다. 신호가 첫 번째입니다.

FCI 백서는 곰팡이 컴퓨터 인터페이스(Fungal Computer Interface)를 곰팡이 균사체와 디지털 컴퓨팅 시스템 간의 양방향 통신 채널로 정의하며, 곰팡이의 생체전기 및 생화학적 신호를 환경 감지, 데이터 처리 및 생물학적 계산을 위한 디지털 데이터 스트림으로 변환합니다.

이것이 MycoBrain의 비인간 지향의 기초입니다. 보드는 살아있는 세계가 텍스트가 되기를 기다리지 않습니다. 생명체가 이미 통신하는 수준에서 살아있는 세계를 만납니다.

균사체: 살아있는 신호 네트워크

곰팡이는 수동적인 물질이 아닙니다. 균사체는 감지하고 반응합니다.

FCI 자료는 균사체를 온도, 습기, pH, 영양분, 독소 및 기타 자극에 전기적 및 화학적 신호를 통해 반응하는 살아있는 센서 배열로 설명합니다. 또한 곰팡이의 생체전기 활동, 적응성 및 환경 반응성을 감지 및 비전통적 컴퓨팅에 유용한 특성으로 설명합니다.

FCI 프로브에 연결된 MycoBrain은 그 살아있는 조직을 신호 소스로 취급하기 시작할 수 있습니다. 마법으로가 아닙니다. 신비주의로가 아닙니다. 계측으로서.

전극은 미세한 생체전기 변화를 읽습니다. 아날로그 프론트 엔드는 신호를 증폭합니다. 필터링은 특징을 추출합니다. ADC는 파형을 디지털화합니다. Side-A는 판독값을 패키징합니다. Side-B는 라우팅합니다. Jetson 또는 다른 가속기는 추론을 수행합니다. NatureOS는 표시합니다. MINDEX는 출처를 저장합니다. NLM은 패턴을 학습합니다. AVANI는 행동을 관리합니다.

시스템은 루프가 됩니다.

1Living substrate → electrode → amplifier → ADC → MycoBrain → NLM → MYCA → AVANI → stimulus → living substrate

그 루프는 생물학적 I/O의 시작입니다.

신호 토큰화: 단어를 넘어서

언어 모델은 텍스트를 토큰화합니다. MycoBrain은 NLM이 신호를 토큰화할 수 있게 합니다.

조잡한 언어 토큰은 다음과 같을 수 있습니다.

1"wet"

신호 토큰은 다릅니다. 물리적 역학의 짧은 윈도우를 인코딩할 수 있습니다.

1tau_i = Q(phi_i(x_(t:t+Δt)))

여기서 phi_i는 시간 윈도우(스파이크 수, 주파수, 진폭, 기울기, 위상 관계, 가스 저항 델타, 온도 구배, 압력 파형 또는 교차 센서 상관 관계)에서 특징을 추출하고 Q는 해당 특징을 모델 사용 가능한 표현으로 양자화 또는 임베딩합니다.

곰팡이 생체전기 토큰은 다음을 나타낼 수 있습니다.

1{
2  "modality": "bioelectric",
3  "window_ms": 5000,
4  "dominant_frequency_hz": 2.8,
5  "spike_density": 0.31,
6  "amplitude_band": "uV",
7  "context": {
8    "soil_moisture_delta": -0.07,
9    "temperature_delta_c": 0.4,
10    "voc_shift": 0.12
11  }
12}

그것은 단어가 아닙니다.

기계 학습 형태로 압축된 현실의 작은 조각입니다.

충분한 수의 그러한 토큰이 장치, 환경, 유기체 및 시간에 걸쳐 축적되면, Mycosoft는 자연을 단순히 설명하는 것이 아니라 자연 고유의 신호로부터 학습하는 모델을 구축할 수 있습니다.

NLM의 6가지 감각

MycoBrain은 더 큰 모델 아키텍처인 자연 학습 모델(NLM)의 장치 측 입력 계층입니다.

NLM은 6가지 물리적 감각을 중심으로 구성됩니다.

성능 문서는 NLM을 물리적 현실로부터 학습하는 모델로 정의하고 이러한 6가지 감각을 신호 영역(스펙트럼, 음향, 생체전기, 열, 화학, 기계)으로 식별합니다.

이것이 MycoBrain이 전략적으로 중요해지는 지점입니다. 물리적 현실로부터 학습하는 모델은 그것을 공급하는 물리적 기기만큼만 좋습니다. MycoBrain은 해당 모델을 위한 표준화된 입, 코, 피부, 귀, 전기수용기 및 신경계 커넥터입니다.

Jetson, Orin, Blackwell 및 엣지 AI 경로

MycoBrain은 의도적으로 거대한 GPU가 되려고 하지 않습니다.

저전력 수집 및 조정 계층입니다. 무거운 추론은 엣지 AI 모듈에 속합니다. 현재 이는 장치 클래스에 따라 NVIDIA Jetson Nano, Jetson Orin Nano, Jetson Orin 및 관련 모듈을 의미합니다. 하드웨어 포트폴리오에서 Mushroom 1 및 Hyphae 1과 같은 대형 장치는 전체 엣지 AI 추론을 위해 Jetson Orin Nano 또는 Jetson Nano를 사용하는 반면, 소형 장치는 소형 GPU/NPU 가속 추론을 위해 M5Stack LLM Module 8850을 사용할 수 있습니다.

이것은 Mycosoft에 실용적인 분할을 제공합니다.

MycoBrain은 저수준 감지, 로컬 제어, 전력 인식 작동 및 메시 통신을 처리합니다. Jetson은 AI 추론, 컴퓨터 비전, 더 큰 모델, 음향 분류, 로컬 NLM 처리 및 더 높은 수준의 자율성을 처리합니다. 해양 배치에서 MycoBrain은 동일한 부이 하우징 내의 Jetson Orin Nano에 연결되어 백홀에 의존하지 않고 엣지에서 실시간 NLM 음향 분류를 가능하게 합니다.

로드맵은 이를 더욱 확장합니다.

버전 3은 셀룰러 확장 경로를 추가합니다: LoRa 영역 위에 모자로 배치된 SIM7000/SIM7600급 보드와 같은 4G/5G 지원 SIM 모듈. 이는 LoRa 메시를 포기하지 않고 MycoBrain에 셀룰러 백홀을 제공합니다.

버전 4는 직접 고성능 확장(PCIe, 하부 SSD, 로컬 모델 스토리지, Blackwell급 또는 미래 AI 가속기 모듈의 직접 통합)으로 이동합니다. 목표는 개발 보드를 넘어서서 Mycosoft 제어 하드웨어에 AI 가속기, 스토리지 및 센서 오케스트레이션을 배치하는 것입니다.

이 전환은 중요합니다. 개발 키트는 프로토타이핑 방법입니다. 맞춤형 AI 캐리어 보드는 플랫폼을 소유하는 방법입니다.

로컬 스토리지: 현장을 위한 메모리

현장 컴퓨터는 지속적인 연결성을 가정할 수 없습니다.

숲은 신호를 잃습니다. 부이는 범위를 벗어납니다. 드로이드는 사각지대에 진입합니다. 토양 프로브는 무선이 간헐적인 위치에 묻힐 수 있습니다. 국방 배치는 거부된 환경에서 작동할 수 있습니다.

이것이 Mycosoft 하드웨어 전략에 여러 계층의 로컬 스토리지(대형 Jetson 장착 장치용 NVMe SSD, 중형 장치용 microSD, 소형 장치용 ESP32 플래시, 매설 프로브용 로컬 버퍼)가 포함된 이유입니다.

MycoBrain V4의 경우 SSD 지원이 훨씬 더 중요해집니다. 로컬 스토리지는 장치가 다음을 저장할 수 있음을 의미합니다.

• 원시 센서 윈도우
• 처리된 특징
• 교정 이력
• 모델 가중치
• NLM 임베딩
• 이벤트 로그
• 메시 전달 큐
• 암호화 출처
• 실험 상태

미래의 MycoBrain은 단순히 데이터를 스트리밍해서는 안 됩니다. 기억해야 합니다.

보드에 커넥터가 많은 이유

일반 소비자 장치는 출시 전에 자신이 무엇인지 결정할 수 있습니다.

MycoBrain은 그럴 수 없습니다.

하나의 MycoBrain은 토양 관측소가 될 수 있습니다. 다른 하나는 부이가 될 수 있습니다. 또 다른 하나는 산업용 센서 게이트웨이가 될 수 있습니다. 또 다른 하나는 생물학적 인터페이스가 될 수 있습니다. 또 다른 하나는 드론 페이로드가 될 수 있습니다. 또 다른 하나는 휴대용 환경 AI 장치가 될 수 있습니다. 또 다른 하나는 실험실 생물학적 컴퓨터의 일부가 될 수 있습니다.

커넥터 철학이 공격적인 이유는 바로 이것입니다: 아날로그, I²C, UART, USB-C, LoRa, LTE 헤더, 5V 출력, NeoPixel, 버저, 외부 센서, 전원 레일. V2 회로도는 이러한 커넥터 제품군의 존재를 확인하며, 듀얼 USB-C, 아날로그 입력, I²C 헤더, UART 헤더, 5V 출력, SIM7600G 모뎀 인터페이스, 12V 입력, 5V / 3.3V 레일이 포함됩니다.

실제로 이는 개발자가 거의 모든 것을 연결할 수 있게 해줍니다:

• BME688 / BME690 환경 센서
• VOC 및 가스 센서
• 미립자 센서
• pH 및 전도도 프로브
• 토양 수분 프로브
• 수중 청음기
• IMU
• 자기계
• 보조 컴퓨팅을 통한 카메라
• 보조 컴퓨팅을 통한 레이더 및 LiDAR
• FCI 전극
• 액추에이터
• 펌프
• 밸브
• LED
• 버저
• 외부 모뎀
• 배터리 모니터

이러한 보드는 단일 사용 사례를 중심으로 구축되지 않습니다. 자연이 계속 우리를 놀라게 할 것이라는 가정 위에 구축되었습니다.

드로이드 운영 모델

Mycosoft는 자사의 야외 로봇을 드로이드라고 부릅니다. 단순히 상자에 담긴 센서가 아니라, 세상에서 생존하고 작동하도록 설계된 자율 기계이기 때문입니다.

Mycosoft 드로이드는 자신의 몸을 알아야 합니다. 배터리 상태를 알아야 합니다. 센서가 건강한지 알아야 합니다. 더 빠르게 샘플링해야 하는지, 더 오래 절전해야 하는지, 이웃의 패킷을 중계해야 하는지, Jetson을 깨워야 하는지, 본사에 연락해야 하는지 판단해야 합니다. 태양광 제약, 무선 제약, 열 제약, 환경 제약, 생태학적 제약 하에서 작동해야 합니다.

MycoBrain은 이를 가능하게 하는 저수준 바디 인텔리전스를 제공합니다.

Mushroom 1은 이를 사용하여 지하 균류 네트워크와 토양 상태를 모니터링할 수 있습니다. SporeBase는 이를 사용하여 생체 에어로졸 수집을 조정할 수 있습니다. Hyphae 1은 이를 모듈식 산업용 I/O 컨트롤러로 사용할 수 있습니다. MycoNode는 더 작은 폼 팩터로 지하 생체전기 감지를 지원할 수 있습니다. Psathyrella는 수중 음향 모니터링을 위해 이 아키텍처를 사용할 수 있습니다. 역량 자료는 MycoBrain을 Mycosoft 하드웨어 배포를 위한 ESP32-S3 엣지 컴퓨팅 플랫폼으로 설명하고, Mushroom 1, SporeBase, Hyphae 1, MycoNode, ALARM, FCI를 하드웨어 라인업의 일부로 식별합니다.

중요한 것은 모든 로봇이 동일하다는 것이 아닙니다.

중요한 것은 모든 로봇이 공통된 뇌간을 공유한다는 것입니다.

메시 네트워킹: 디지털 균근

MycoBrain의 네트워크 철학은 균사체에서 영감을 받았습니다.

균류 네트워크는 단일 중앙 라우터에 의존하지 않습니다. 분기하고, 재연결하고, 경로를 재설정하고, 탐험하고, 손상을 견뎌냅니다. Mycosoft의 장치 네트워크도 같은 방식으로 작동해야 합니다.

이것이 균근 프로토콜(Mycorrhizae Protocol) 의 역할입니다: 분산된 현장 네트워크에서 생물학적 센서 데이터를 라우팅하기 위한 pub/sub 메시징 프로토콜입니다. 균근 프로토콜(Mycorrhizae Protocol) 은 생물학적 데이터, 시계열 원격 측정, 생체전기 파형, 환경 측정, 자가 복구 메시 토폴로지, 그리고 Jetson 추론 노드를 지원하면서도 ESP32-S3에 충분히 가벼운 엣지-네이티브 작동에 최적화되어 있습니다.

MycoBrain 메시는 단순히 데이터를 대시보드로 다시 보내는 것에 관한 것이 아닙니다. 로컬 협력에 관한 것입니다.

하나의 드로이드가 신호를 감지할 수 있습니다. 다른 드로이드는 더 강력한 백홀을 가질 수 있습니다. 세 번째 드로이드는 더 나은 센서 각도를 가질 수 있습니다. 네 번째 드로이드는 로컬 AI 컴퓨팅을 사용할 수 있습니다. 다섯 번째 드로이드는 절전 중이지만 이웃의 이벤트에 깨어날 수 있습니다.

이것이 현장 인텔리전스 네트워크를 만듭니다:

1MycoBrain → MycoBrain → Gateway → NatureOS
2     ↘          ↕           ↗
3      Sensor   Relay     Jetson
4        ↘       ↕        ↗
5          NLM / MINDEX / MYCA

대규모로 배포되면, MycoBrain은 단순한 장치 그 이상이 됩니다. 분산된 환경 신경계가 됩니다.

개발자 인터페이스: 뇌 위에 구축하기

MycoBrain은 메이커에게 접근 가능해야 하고, 엔지니어에게 충분히 진지해야 합니다.

함께 작업하는 개발자는 역할 단위로 생각할 수 있어야 합니다:

1device:
2  id: mycobrain-v2-alpha
3  role: mushroom1
4  side_a:
5    mode: deterministic_sensor_controller
6    sample_rate_hz:
7      environmental: 1
8      bioelectric: 100
9      power: 0.2
10  side_b:
11    mode: mesh_router
12    links:
13      - lora
14      - ble
15      - wifi
16      - lte_hat
17  cortex:
18    module: jetson_orin_nano
19    tasks:
20      - nlm_inference
21      - anomaly_detection
22      - local_buffering
23      - model_update

센서는 매니페스트를 통해 자신을 노출할 수 있습니다:

1{
2  "sensor_id": "fci_probe_01",
3  "modality": "bioelectric",
4  "channels": 16,
5  "units": "microvolts",
6  "sample_rates_hz": [10, 50, 100, 500],
7  "calibration": {
8    "gain": 1000,
9    "noise_floor_uv": 0.8,
10    "last_calibrated": "2026-05-01"
11  },
12  "safety": {
13    "stimulation_enabled": true,
14    "max_stimulus_mv": 300,
15    "requires_avani_gate": true
16  }
17}

이것이 이 보드를 커뮤니티에 가치 있게 만드는 요소입니다. 물리적 플랫폼이면서 동시에 프로그래밍 가능한 생태계입니다. 메이커는 센서를 연결할 수 있습니다. 연구자는 균류 신호 실험을 실행할 수 있습니다. 로봇 개발자는 페이로드를 추가할 수 있습니다. 방산 통합업체는 암호화된 원격 측정을 라우팅할 수 있습니다. 환경 과학자는 데이터를 NatureOS로 푸시할 수 있습니다. AI 엔지니어는 신호-네이티브 모델을 훈련할 수 있습니다.

투자자가 주목해야 하는 이유

MycoBrain은 일회성 보드가 아닙니다.

플랫폼 프리미티브입니다.

투자자의 관점은 "멋진 버섯 PCB를 만들었다"가 아닙니다. 투자자의 관점은 MycoBrain이 전체 하드웨어 생태계를 위한 공통 엣지 컴퓨터가 될 수 있다는 것입니다: 환경 측정소, 생물학적 프로브, 생체 에어로졸 시스템, 산업용 엣지 노드, 수중 부이, 휴대용 AI 기기, 그리고 미래의 생물학적 컴퓨터까지.

하드웨어 포트폴리오는 Mycosoft가 환경 인텔리전스, 생물학적 컴퓨팅, 균류 네트워크 인터페이스를 위한 포괄적인 하드웨어 생태계를 구축하고 있으며, Mushroom 1, SporeBase, ALARM, MycoNode, Hyphae 1, Tricorder, Petraeus, Mushroom 2에 걸쳐 있음을 식별합니다.

이는 여러 형태의 레버리지를 창출합니다.

첫째, 제조 레버리지. 공유 컨트롤러는 엔지니어링 중복을 줄입니다. 모든 제품에 대해 센서 수집과 통신을 재설계하는 대신, Mycosoft는 하나의 핵심 보드 제품군을 개선합니다.

둘째, 펌웨어 레버리지. 모든 장치는 동일한 프로토콜 업그레이드, 보안 개선, 센서 라이브러리, OTA 메커니즘, 메시 개선, NLM 브리지 작업의 혜택을 받습니다.

셋째, 데이터 레버리지. 모든 장치는 NLM에 공급할 수 있는 신호-네이티브 훈련 데이터를 생성합니다. 더 많은 장치가 배포될수록 모델 기반의 가치는 높아집니다.

넷째, 플랫폼 레버리지. MycoBrain은 하드웨어를 NatureOS, MINDEX, MYCA, AVANI, FUSARIUM, 균근 프로토콜에 연결합니다. 더 큰 소프트웨어 및 인텔리전스 시스템의 엣지 계층입니다.

다섯째, IP 레버리지. 듀얼-MCU 아키텍처, 펌웨어 스택, 균근 프로토콜, I²C 센서 열거, MINDEX 체인-오브-커스터디 통합이 MycoBrain 기술/IP 스택의 일부를 구성합니다.

이것이 작은 보드가 인프라가 되는 방법입니다.

과학적으로 중요한 이유

MycoBrain의 과학적 중요성은 온도나 습도를 측정한다는 데 있지 않습니다. 그런 장치는 많습니다.

과학적 중요성은 MycoBrain이 살아있는 시스템 주변의 다중 모달 인과적 맥락을 수집하도록 설계되었다는 데 있습니다. 균류 전압 스파이크 자체는 흥미롭습니다. 하지만 토양 수분, pH, 온도, VOC 변화, 조도, 자극 이벤트와 동기화된 균류 전압 스파이는 증거가 됩니다.

그 증거는 지문이 될 수 있습니다.

그 지문은 모델이 될 수 있습니다.

그 모델은 예측이 될 수 있습니다.

그 예측은 통제된 행동이 될 수 있습니다.

이것이 FCI가 중요한 이유입니다. FCI 백서는 FCI 스택을 균류 프로브, 신호 처리 장치, 클라우드 통합 계층으로 설명하며, 미세한 균사체 전기적 변화를 감지하고, 미약한 생체전기 신호를 증폭 및 필터링하며, 실시간 데이터 분석에 사용할 수 있도록 합니다.

MycoBrain은 이러한 아이디어가 실험실을 벗어날 수 있게 해주는 실용적인 현장 컴퓨터입니다.

미래 버전: V3 및 V4

버전 2는 확장된 아키텍처를 입증합니다.

버전 3은 보드를 더 배포 가능하게 만듭니다.

V3 방향은 셀룰러 확장입니다: LoRa 영역 위에 장착할 수 있는 4G/5G SIM 모듈 햇입니다. LoRa는 저전력 로컬 메시로 유지됩니다. 셀룰러가 백홀이 됩니다. 이는 현장 드로이드가 로컬 군집 내에서 작동하면서도 인프라가 존재할 때 본사에 연락할 수 있게 해줍니다.

버전 4는 더 심오한 전환입니다.

V4는 PCIe, SSD, 직접 가속기 통합으로 나아갑니다. 목표는 MycoBrain급 하드웨어가 로컬 모델 가중치를 탑재하고, 원시 및 처리된 데이터셋을 저장하며, Blackwell급 또는 미래의 AI 가속기 모듈을 Mycosoft 보드 생태계에 직접 통합할 수 있게 하는 것입니다. M5Stack LLM 8850 경로는 이미 소형 장치에 컴팩트한 추론 계층을 제공합니다; V4는 이 철학을 더 깊은 맞춤형 AI 캐리어 아키텍처로 확장합니다. 하드웨어 포트폴리오는 이미 대형 장치에 Jetson급 모듈을, 소형 장치에 M5Stack LLM Module 8850을 사용하는 2계층 엣지 컴퓨팅 전략을 정의하고 있습니다.

장기적인 경로는 명확합니다:

1V1: compact dual-ESP32-S3 + LoRa controller
2V2: expanded sensor/comms board with USB-C, analog/I²C/UART, LTE header
3V3: cellular hat + LoRa mesh + better remote fleet management
4V4: PCIe + SSD + direct AI accelerator integration
5V5+: MycoBrain as full biological/robotic edge AI motherboard

목표지는 또 다른 개발 보드가 아닙니다.

목표지는 Mycosoft의 자체 자율 환경 컴퓨터 아키텍처입니다.

생물학적 계산과 디지털 계산 사이의 다리로서의 보드

보드 뒷면에 버섯 마크가 있는 이유는 버섯이 단순한 장식이 아니기 때문입니다. 그것은 디자인 철학입니다.

버섯은 숨겨진 네트워크의 눈에 보이는 자실체입니다. MycoBrain도 비슷합니다. 보드는 눈에 보이지만, 실제 시스템은 그 뒤에 있는 네트워크입니다: 드로이드, 프로브, 센서, 모델, 에이전트, 대시보드, 데이터셋, 살아있는 기질.

FCI는 생물학적 I/O를 제공합니다. MycoBrain은 엣지 제어를 제공합니다. 균근 프로토콜은 메시 라우팅을 제공합니다. MINDEX는 메모리와 출처를 제공합니다. NLM은 신호-네이티브 학습을 제공합니다. MYCA는 에이전트 추론을 제공합니다. AVANI는 거버넌스를 제공합니다.

함께, 그들은 하이브리드 생물학적-디지털 스택을 형성합니다.

1Living Signal
2   ↓
3FCI / Sensors
4   ↓
5MycoBrain
6   ↓
7Mycorrhizae / MDP
8   ↓
9Jetson / M5Stack / Future Blackwell
10   ↓
11NLM
12   ↓
13MYCA
14   ↓
15AVANI
16   ↓
17NatureOS / MINDEX / FUSARIUM

지구를 읽는 컴퓨터

대부분의 컴퓨터는 책상 위에 놓입니다.

MycoBrain은 진흙, 비, 농장, 숲, 실험실, 옥상, 부이, 지하실, 인클로저, 드론, 실험적 생물학적 시스템을 위해 설계되었습니다. 수리되고, 반복되고, 3D 프린팅으로 감싸지고, 적층되고, 확장되고, 플래시되고, 재배치되도록 설계되었습니다. Mycosoft의 하드웨어 제조 철학은 신속한 반복을 위한 3D 프린팅과 산업용 장치를 위한 재활용 기성 인클로저를 강조하여, 툴링 부담을 줄이면서 생산 유연성을 향상시킵니다.

이것이 중요한 이유는 지구 규모의 인텔리전스가 클라우드 대시보드만으로는 구축될 수 없기 때문입니다.

세상에는 장치가 필요합니다.

저전력 컨트롤러가 필요합니다.

메시 네트워크가 필요합니다.

로컬 추론이 필요합니다.

생물학적 인터페이스가 필요합니다.

스토리지가 필요합니다.

거버넌스가 필요합니다.

기계가 자연으로부터 배우되, 자연이 먼저 언어가 되도록 강요하지 않는 방법이 필요합니다.

그것이 MycoBrain입니다.

매우 긴 MYCOBRAIN 문서의 끝

GITHUB: https://github.com/MycosoftLabs/mycobrain

YOUTUBE MYCOBRAIN VIDEO: https://www.youtube.com/watch?v=3WDneg9OHtU

MycoBrain은 비-인간을 위해 우리가 구축하는 최초의 컴퓨터입니다. 지능이 언어에서 시작된다고 가정하지 않기 때문입니다.

지능이 신호에서 시작된다고 가정합니다.

• 균류는 신호를 보냅니다.
• 숲은 신호를 보냅니다.
• 강은 신호를 보냅니다.
• 바다는 신호를 보냅니다.
• 기계는 신호를 보냅니다.
• AI 에이전트는 신호를 보냅니다.
• 드로이드는 신호를 보냅니다.

MycoBrain은 듣고, 번역하고, 라우팅하고, 기억하고, 추론하고, 응답하도록 설계된 보드입니다.

대부분의 AI는 계속해서 인터넷, 특히 자신의 합성 데이터를 읽을 것입니다.

MycoBrain은 지구를 읽었으며, 수조 개의 생명체를 사용자로 간주하여 키보드, 마우스, 심지어 예쁜 목소리를 가진 음성 기반 에이전트 어시스턴트까지 초월합니다.

모든 것이 당신에 관한 것은 아니지만, 당신은 지구 전체 생명체의 일부입니다.

잊지 마세요.