在家也想煮出彈牙又有嚼勁的麵？快試試小蘇打！——《麵的科學》

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

破解疑慮：小蘇打其實很安全？

很多人對頭一次聽到的事會有點疑慮，用蘇打洗碗是其中之一。不少人都知道蘇打可以用來洗衣服，但對於拿它來洗碗的提議，則會抱持懷疑，真的沒問題嗎？甚至有的人會感到害怕。只要願意學習蘇打是從哪裡來、有什麼性質、會產生什麼反應，就會了解根本沒什麼好擔憂的。

小蘇打若在高溫下分解會形成蘇打—

2NaHCO3→Na2CO3＋CO2＋H2O

想必各位已經知道小蘇打（baking soda）可以用來烤麵包，也就是可食用的物質對吧？baking　是「烤」的意思，「烤」麵包時使用，所以稱為「baking」soda。鬆餅粉內也含有小蘇打粉，那麼在煎鬆餅時，會產生什麼呢？沒錯，會產生蘇打，同時也會產生二氧化碳氣體，所以在煎的時候，鬆餅上會冒出許多洞洞。

這裡有兩個需要提出的重點：

1. 量少：煎鬆餅所產生的蘇打量很少，所以我們吃了不會有問題。蘇打進到胃裡後，會和胃液中的鹽酸反應，形成食鹽和二氧化碳（CO2）。
2. 酸鹼中和：鬆餅粉中還添加有酸性物質。此酸性物質會和蘇打行中和反應，所以鬆餅不會有鹼性物質特有的澀味。

煎鬆餅時，小蘇打先變成蘇打後，這些蘇打又因為中和反應變成水和鹽類。

看了上面的說明，大家可別太放心地以為直接拿湯匙舀一勺蘇打來吃也可以，如果大量攝取，還是會有危險（一口氣吃下 200g 左右的話。正常來說不太可能發生）。這裡主要是想跟各位說，沒必要對使用蘇打洗碗大驚小怪，少量的利用並不致危害人體健康。

小蘇打如何徹底清潔碗盤與排水口？

下面再為大家進一步釋疑：

• 洗碗機用洗劑的主要成分之一是蘇打。在洗碗機可以用，洗碗時卻不敢用，這太沒道理了。

• 蘇打非常易溶於水。所以洗碗後只要將碗盤用水沖洗，就能夠完全洗乾淨。如果還是覺得怕怕的，就用稀釋過的食醋或檸檬酸溶液擦拭即可。中和反應會將蘇打變成鹽類。

• 蘇打是由（食用沒問題的）小蘇打製成的物質，所以至少是從可以吃的物質而來的。

• 蘇打會和環境中的二氧化碳反應並變成小蘇打。各位的血液中充滿了構成小蘇打的成分 Na+ 離子和 HCO3－ 離子，所以沒必要太害怕小蘇打，以及由小蘇打製成的蘇打，是吧？

希望現在各位已經不再那麼害怕蘇打了。要是依然覺得「啊啊啊！好可怕」的話也沒辦法，就只能這樣了，畢竟還有些人相信開著電風扇睡覺會死掉呢。會怕的人就請別吃鬆餅了，那可是有可能殘留可怕蘇打的食物啊。

用蘇打洗過碗盤的人應該有所體會：「碗盤上面的油分一下子就消失了，我怎麼這麼厲害，能把碗盤洗得亮晶晶？」「沒怎麼用洗碗精就能洗得這麼乾淨？！真神奇。」不用大量洗碗精，而且省水，對環境保護有很大的幫助。除此之外，用蘇打洗碗還有其他隱藏的優點。

省水又環保：用小蘇打洗碗的隱藏優勢

蛋白質在強鹼溶液中會分解成小塊的胜肽碎片，進一步再分解成胺基酸，所以市面販售的排水口清潔劑都是強鹼溶液，可以溶解頭髮的蛋白質。

廚房水槽的排水口難免會有油垢和食物殘渣堆積。各位已經知道蘇打會將油垢的一部分變成肥皂了，對吧？食物中也含有蛋白質，這些蛋白質在蘇打的作用下也會溶於水（蘇打雖然是比較強的鹼，但在用水將碗盤沖洗乾淨的過程會被稀釋許多。因為量不多，所以從排水口排出時不會影響到下水道的酸度），因此用蘇打洗碗的話，油分子團和蛋白質分子團無法互相聚合，排水口必定會變乾淨。

前面已說過，在廚房水槽排水口撒少許過碳酸鈉很有效。過碳酸鈉溶於水後會變成蘇打，並能形成過氧化氫。過氧化氫是細菌殺手，本來脂肪和蛋白質就因為蘇打而無法留在排水口了，再加上過氧化氫，這對細菌來說是地獄無誤，就像是已經沒東西可吃，在飢腸轆轆下，還有死神虎視眈眈地等著殺死細菌。用蘇打洗碗並用過碳酸鈉清潔管理廚房水槽的排水口，這絕對是乾淨無味家園的基本配套。

※「人人都應該成為懶惰的化學家！」這是自詡為懶人之王的高麗大學化學系教授李光烈的人生格言，他認為人類的壽命有限、時間已經很短暫了，為什麼要花費時間對抗油膩膩的碗盤、居家害蟲和任何費力的家務事呢？因此他想跟大家推廣「化學式生活」，透過化學縮短打掃、洗碗的時間。不想太勤勞、想成為懶人又想維持整潔的人有福了！《寫給懶人的神奇化學書》是專門為難以從忙碌的日常中擠出時間給自己的人所寫的書，請省下平白丟失的時間，並將它們轉變為人生中更美麗和寶貴的瞬間吧。

——本文摘自《寫給懶人的神奇化學書 ：既長知識又省時省力的生活祕笈》，2024 年 12 月，如何出版，未經同意請勿轉載。

超夯韓劇《魷魚遊戲》近期成為熱門討論話題，尤其椪糖關卡使南韓童年美食遊戲「戳椪糖」爆紅，劇情中玩家必須使用牙籤將椪糖上的圖案取下來，若失敗可是會直接被開槍爆頭，不過在臺灣其實也有很相似的古早味的零食椪糖喔！

臺南人的童年零食——古早味椪糖

椪糖，又名膨糖、發財糖、泡糖，是四、五年級生臺南人的童年零食。那個年代生活單純，還沒有太多的娛樂、精緻美食可供選擇，在廟口歌仔戲、布袋戲戲棚下煮椪糖的攤販，是當時孩童的娛樂及零食來源。

剛煮好的椪糖長得就像胖嘟嘟的核桃酥餅，吃起來焦香酥脆、入口即化，雖然只是純粹的甜味，在物質稀缺的當時，已經十分幸福了。

而椪糖的製作流程很簡單，將砂糖或二砂與水倒入大湯勺中，置於爐火上加熱並攪拌，至糖漿變成紅褐色時，加一點小蘇打粉至大湯勺中拌勻，糖漿便會迅速膨脹鼓起，待其冷卻定型後即完成。

而韓國的椪糖與臺灣的椪糖作法及原理大同小異，只是塑形的方式不太一樣，韓版的會壓扁再壓上圖案，弄成扁扁的薄餅狀；臺版的就讓他自然膨脹成球狀，表面帶點裂痕，模樣也是十分討喜可愛。

影響椪糖質地最關鍵的因素——溫度

若有做過椪糖就會知道，小蘇打粉加進去的時機點很重要，太早或太晚皆會導致成型失敗，這是為什麼呢？因為加熱溫度是影響糖的結晶、軟硬度和焦糖化的主要因素，不同的加熱溫度，糖的結晶狀態、質地和色澤都會不同。

糖液在加熱時，會有兩種情況發生：

• 一、水分不斷蒸發，使溶液濃度增加。
• 二、隨著溶解的糖增加，沸點會不斷上升，因此糖液的溫度要小心控制。

「糖液的濃度」與最後成品的「軟硬度」有直接關係，濃度不夠會過軟，椪糖表面無法形成保護殼而無法膨脹成型；濃度過高會過硬，椪糖膨脹不易，容易縮小或塌陷。

而當糖液加熱至攝氏 130 度左右時滴入冷水中，會形成能保持形狀且具可塑性的硬球，這時候糖液的質地是能讓椪糖膨發效果最佳的狀態，因此不會用肉眼判斷添加小蘇打粉至糖漿的好時機沒關係，可以在加熱的同時，使用專門測糖液的溫度計測量糖溫就可以了！

糖怎麼轉變成令人誘惑的焦糖色呢？

說到糖的加熱，就不得不提到焦糖化反應（caramelization）了，它是自催化的非酵素性褐變（non-enzymatic brownin）反應，指的是蔗糖這類的小分子醣類於高溫環境發生脫水、聚合的反應，顏色逐漸轉變成金黃、淺褐至深褐色的產物 （通稱為焦糖） 的過程。

這個過程非常複雜，反應溫度通常在攝氏 120 度以上，在酸性與鹼性環境下均會發生。在食品工業上可製造成焦糖色素，作為食品添加物使用，常添加於醬油、糖漿、可樂或酒類等食品中。

焦糖的色澤會隨加熱溫度及時間的增加，由金黃、琥珀、淺褐、褐、深褐色至焦黑碳化；味覺的變化則是先為甜味，隨著顏色加深逐漸轉至苦味，最後甚至可能出現辛辣味。 

攝氏 130 度的糖液大概是呈現淡淡的金黃色，不過這是單純以細砂糖製作來看，若使用二砂製作椪糖的話，那糖液一開始就會是呈現金黃色了。

椪糖膨脹的關鍵——碳酸氫鈉遇熱分解

在加熱攪拌過程中，糖液已經拌入許多空氣，隨著加熱空氣持續在膨脹，水氣也一直持續蒸發，直到糖液加熱到攝氏 130 度的糖漿時，須離開熱源並加入小蘇打粉。

小蘇打粉即是碳酸氫鈉（sodium bicarbonate），受到高溫直接分解產生大量二氧化碳氣體。最外層接觸到空氣的糖液最先冷卻，變硬形成保護殼，椪糖膨脹隆起，待膨脹停止後，內部的構造就形成具有許多小氣孔的蓬鬆質地。

椪糖會不會致癌？

就從焦糖化反應可製造出焦糖色素的標準來看，聯合國農糧醫藥食品添加物專家聯席委員會（Joint FAO/WHO Expert Committee on Food Additives, JECFA）將焦糖色素分成四類：

第一類：普通焦糖 (plain caramel)

第二類：亞硫酸鹽焦糖 (sulfite caramel)

第三類：銨鹽焦糖 (ammonia caramel)

第四類：亞硫酸-銨鹽焦糖 (sulfite ammonia caramel)

不同類別的焦糖色素，具有不同的焦體電荷、安定性與色度，用途亦各不相同。我國針對這四類焦糖色素有明確訂定，規範細節可見衛福部食藥署公告的食品添加物使用範圍及限量暨規格標準^[8]。

數十年來眾多針對焦糖色素所進行的毒理學研究，特別是安全疑慮比較高的第三類及第四類焦糖色素，都發現焦糖色素不具基因毒性、遺傳毒性與致癌性，確認焦糖色素是安全的食品添加物。

加上椪糖才加熱到攝氏 130 度，焦糖化反應影響因素很少，所以吃椪糖其實不必太過擔心致癌風險。

跟致癌比起來，你比較需要擔心熱量

比起擔憂致癌疑慮，椪糖的熱量才是比較需要注意的地方，畢竟它幾乎都是由精製糖所製成。

我國衛福部國民健康署建議「精製糖建議攝取上限為 10% 以內，例如：總攝取熱量若為 2000 大卡，精製糖攝取量就不宜超過 200 大卡，每日精製糖攝取量最好能控制在 50 克以內。」最佳的情況，是每日不超過 25 克，其實就相當於一個椪糖 (20 克上下) 的重量了。

所以當你開心吃著好吃又好玩的椪糖時，還是要記得別吃太多，以避免攝取過多的精製糖及熱量，而賠上健康喔！

1. 國立台中教育大學科學教育與應用學系 科學遊戲實驗室，膨糖：http://scigame.ntcu.edu.tw/chemistry/chemistry-005.html
2. 施明智 (2021)。食物學原理 (第三版)。新北市：藝軒圖書出版社。
3. Mcdowell, E. J. (2015) Everything You Need to Know to Make Caramel Candies at Home. Retrieved from https://food52.com/blog/12212-everything-you-need-to-know-to-make-caramel-candies-at-home (Oct 10, 2021)
4. 徐若瑄 (2017)。利用科學方法研究古早味椪糖。中華民國第 57 屆中小學科學展覽會。新北市。
5. 戴士傑，2006。焦糖化產物的特性及其與酚類物質交聯程度之探討。國立屏東科技大學食品科學系碩士學位論文。屏東。
6. 張月櫻，焦糖色素與 4-MEI (4-甲基咪唑) 說明稿 (2013)。檢自https://www.food.org.tw/TW/DisquisitionDetail.aspx?DisquisitionID=iZcsl/uRyXg= (Oct 10, 2021)
7. 衛生福利部食品藥物管理署，食品添加物使用範圍及限量暨規格標準 焦糖色素 (2013)。檢自https://consumer.fda.gov.tw/Law/FoodAdditivesListDetail.aspx?nodeID=521&id=854 (Oct 10, 2021)
8. 灃食公益飲食文化教育基金會，精製糖與非精製糖的差別為何？ (2019)。檢自https://www.foodnext.net/science/machining/paper/5470279180 (Oct 10, 2021)