수학과 물리의 뿌리에 깊이 닿는 만큼, 그 결과를 세상과 함께 나눌 수 있다고 믿습니다.
LLM 학습 · 새 아키텍처 연구 · FPGA NPU 합성 · 결정론적 에이전트를 한 흐름으로 — 깊은 연구를 CLI와 오픈소스 제품으로 공개하는 풀스택 AI 랩.
공개 3종 + 곧 1종: EulerForge(학습) · EulerStack(아키텍처 연구) · EulerNPU(FPGA NPU · v0.1.0) · EulerAgent(결정론적 에이전트 · 곧 공개).
비싼 클라우드 GPU 없이도, 내가 가진 모델을 MoE 구조로 키울 수 있다.
Dense 모델을 MoE 구조로 바꿔 실험하는 과정을 표준화된 설정으로 다룰 수 있도록 구성했습니다. 실험을 코드 변경이 아닌 YAML 설정으로 관리할 수 있습니다.
mixture_lora / moe_expert_lora 한 줄로 MoE 실험 시작| 인젝션 전략 | Dense LoRA · Mixture LoRA · MoE Expert LoRA · Native MoE Expert LoRA |
|---|---|
| 훈련 타입 | SFT · DPO · ORPO · RM · PPO |
| 지원 백본 | Qwen2/3 · Llama 2/3 · Gemma 3 · Gemma 4 (dense+MoE) · Mixtral |
| 양자화 훈련 | nf4 / int4 / int8 (bitsandbytes) |
| 부가 기능 | HF Export · Optuna 기반 Grid/Bayes 탐색 · 통합 벤치마크 · 5개 언어 CLI |
24편 KO/EN 튜토리얼 + 상세 CLI 레퍼런스 기본 제공
LLM 아키텍처를 YAML 한 장으로 정의하는 선언형 언어. 어셈블러를 넘어 cortical column · neural differentiation · tissue 등 새 구조 가설을 코드 변경 없이 ablation 하는 연구 프레임워크입니다 — 추론(reasoning)의 조기 발현 · 추상화 가속 · 세계지식과 추론의 독립적 분화 같은 가설을 모델 구조 차원에서 직접 실험할 수 있어, frontier LLM 연구의 무게중심을 자본 규모에서 구조 디자인으로 옮깁니다.
v1 "산업 정렬 원칙"에 따라 검증된 산업 표준 → 최근 하이브리드/MoE → v1 실험 프리미티브 순으로 정리되어 있습니다: llm_ 24개(5 스케일 × 4–5 변형, MLA 포함) + arch_ 33개(beginner 2 · intermediate 3 · advanced 5 · expert 23, 그중 *_mini 9개). MLA·MoD·Titans·Dual-Stream 등 Phase B 프리미티브를 arch-스케일로 실험할 수 있습니다.
| 믹서 | Attention · Mamba · RetNet · Hyena |
|---|---|
| FFN | MLP · Gated MLP (SwiGLU) · MoE (top-k 라우팅) |
| 스킬 레벨 워크스루 | beginner(GPT-2/Llama) · intermediate(Mistral/Gemma2/Qwen) · advanced(Jamba/Samba/RetNet) · expert(MoE × 믹서 × depth/receptive-field 3D 설계공간) |
| 컴파일 타겟 | HuggingFace 모델 디렉토리 또는 JSON 런타임 설정 |
스키마 구조 검증 → 교차 필드 호환성 → 리얼리즘 휴리스틱의 3단계 검증으로 설계 오류를 컴파일 전에 잡습니다. 모든 CLI 메시지는 5개 언어(ko/en/zh/ja/es)로 지원됩니다. v0.1.5는 μP 스케일링·분화 보조목적·tissue 조직 선언을 backward-compatible 스펙 확장으로 추가했습니다(기존 YAML 무수정 호환).
더 적은 데이터로도 추론 능력이 나타납니다. 구조가 데이터 효율의 함수가 된다는 가설을 직접 실험합니다.
추상화와 추론이 동일 레이어에서 경쟁하지 않습니다. 피질 계층 구조에서 영감을 받아 두 능력이 독립적으로 성장합니다.
세계 지식과 추론·추상화 능력을 분리해 키울 수 있다면, LLM 연구의 무게중심이 자본에서 설계로 이동합니다.
1차 목표는 FPGA. YAML spec 한 장으로 실제 FPGA 칩에서 추론이 돌아가고, 같은 흐름은 장기적으로 ASIC까지 확장 가능합니다.
DS-CNN + GRU INT8 풀그래프 NPU IP. 11/11 정확도 · CPU 대비 8.07× 가속 (3.17 ms/추론).
FFN 블록만 NPU 오프로드한 하이브리드. CPU↔NPU 5/5 비트 단위 일치 — Zynq-7000 보드급 FPGA에서 LLM 부분 추론 실증.
spec → compile → bitstream → 실 FPGA — 한 흐름으로 검증된 세 가지 NPU 실측 결과.
8단계 상태 머신 + HITL(사람 승인) 게이트로 예측 가능한 로컬 우선 에이전트. 오픈 LLM을 로컬에서 실행합니다.
자세히 보기8단계 라이프사이클 + HITL 승인 노드. 실행 흐름이 로그로 재현되고, 위험한 단계는 사람이 승인해야 진행됩니다.
Qwen · Llama 등 오픈 LLM을 로컬에서 구동. RAG · 장기 기억(SQLite) · MCP 통합을 표준으로 제공합니다.
Pattern/Graph 오케스트레이터 + 결정론적 shell 게이트 위에서 동작하는 code.dev_loop.v2 — 코드 → 테스트 → 자가수정 루프.
정식 공개 준비 중. 튜토리얼 · CLI 레퍼런스는 공개 시점에 추가됩니다.
공개된 4종(Forge · Stack · NPU · Agent) 위에서 동작하는 데이터 엔진과 로봇 행동 학습 제품군이 곧 합류합니다.
원시 데이터셋과 프로덕션 학습 사이의 간극을 메우는 데이터 처리 시스템. 로컬 LLM 기반 프로파일링, 도메인 필터 자동 생성, PPL/MinHash 메트릭, 1-GPU LoRA/MoE 스케일다운 검증, GPU·클라우드 비용 견적, MLOps 통합.
모방학습(IL) + FastTD3 강화학습(RL)의 RL→IL 파이프라인. 우선 공개 2개 도메인 = 자동차(EulerDrive, CARLA 검증) · 휴머노이드(EulerWalk, RL→IL loco-manip). 8개 도메인 통합 스키마, Domain Plugin 확장.
수학·물리·인문학에 뿌리를 둔 AI 핵심 기술을 연구·보급하는 풀스택 AI 랩.
이름 오일러와는 수학의 아버지 오일러(Leonhard Euler) + 한국어 "와(with)"의 결합입니다. 회사 이름의 두 부분이 모토의 두 단어와 그대로 대응합니다.
Deep Roots — 오일러처럼. 유행을 좇지 않고 수학·물리의 기초부터 깊이 파고드는 연구 방식. 오일러와의 모든 제품은 이 근본 위에 섭니다.
Open Horizons — '와(with)'처럼. 오일러가 평생 지식을 아낌없이 나눴던 것처럼, 우리도 결과를 오픈소스로 열어두고 누구에게나 동등한 기회를 제공합니다. 그리고 그 기술이 향하는 지평선은 계속 넓어집니다.
EulerNPU로 추론 칩을, EulerStack·Forge로 지능 구조를, EulerAtlas로 물리 행동 학습을, EulerAgent로 자율 오케스트레이션을 만들고 있습니다. 각각은 독립된 제품이지만, 모두 하나의 방향을 가리킵니다 — 물리 세계를 스스로 이해하고 돌볼 수 있는 지능.
가장 먼저 도달할 곳은 해양입니다. 전원 공급 바지선과 연동해 수면·수중·상공을 동시에 커버하는 자율 복합체 — 해양 쓰레기 수거, 어류의 시공간별 분포 매핑과 조업 계획 생성, 항행 안전 감시, 해양 생태 데이터 축적. 수상 선박·잠수체·비행체가 하나의 지능 시스템으로 해양을 입체적으로 관찰하고 돌보는 일 — 이것이 오일러와가 준비 중인 첫 번째 물리적 응용입니다.
같은 기술 기반 위에서 시야는 더 멀리 향합니다. 지구 근방 궤도 환경의 감시와 보호 — 이것은 오늘의 해양 생태 감시와 본질적으로 같은 문제입니다. 더 먼 우주로의 항행은 다른 수준의 자율성과 추진 기술을 요구하지만, 그 방향을 포기하지 않는 것이 오일러와의 장기 계획입니다. 뿌리를 깊게 내릴수록, 지평선은 더 멀리 보입니다.
전문 기술 서적 및 오픈 소스 생태계에 접근하세요.
데이터 처리 및 모델 오케스트레이션을 위한 커뮤니티 도구입니다.
공공의 이익을 위해, 더 많은 사람이 함께 쓸 수 있도록
AI는 소수의 대형 기술기업이 아니라 사회 전체에 편익이 돌아가는 방향으로 발전해야 합니다. 오일러와의 연구·제품은 산업 자동화·안전·교육·에너지·의료 같은 공공적 문제 해결에 기여하는 것을 목표로 합니다.
AI 인프라와 도구가 소수에게만 집중되지 않도록 합니다. 학습부터 아키텍처 연구, FPGA NPU 추론 스택까지 오픈소스로 공개하여 중견기업·스타트업·연구소·개인 개발자가 최신 기술을 실측 가능한 형태로 접근할 수 있게 합니다.
모든 기술은 사용 방식에 따라 결과가 갈립니다. 오일러와의 도구는 다양한 산업 응용에 활용될 수 있으며, 고위험·안전 필수 응용에서는 사람의 판단·투명한 감사·관련 법과 제도 준수가 함께해야 한다는 것을 명시적 원칙으로 삼습니다.
진한 색: 현재 공개 · 연한 색: 준비 중