碳捕集技术是实现“双碳”目标的重要途径。高温工业源CO₂的捕集更宜使用钙基吸收剂。本文立足“双碳”背景，将碳捕集前沿技术融入仪器分析实验课程，开发了蛋壳源CaO的制备、表征及其碳捕集性能的设计性综合实验。选择高钙废弃物鸡蛋壳为原料，采用醋酸处理得到醋酸钙，再经高温煅烧制备了具有较好碳捕集性能的CaO;利用EDTA配位滴定、扫描电子显微镜、X射线衍射、红外光谱、拉曼光谱和热重分析等多种分析手段，测试了CaO的纯度、形貌、结构及其对CO₂的捕集性能。本实验采用项目式教学方式，引导学生自行设计实验方案并进行实践和总结，不仅锻炼了学生综合运用专业知识解决实际问题的能力，而且培养了学生的科研素养和团队合作精神。

机器学习(ML)在分子合成领域显示了重要的应用前景。然而，准确的机器学习预测依赖于大量实验数据，而通过传统实验方法获得成千上万的实验数据仍然是一个巨大的挑战。因此，基于小数据集得到可接受的预测模型是目前该领域亟待解决的重要问题。本研究通过构建1152个反应数据，利用大量有化学意义的特征描述符，通过多维数据分析获得了有效的预测结果，证明了基于小数据集的机器学习算法可以可靠地预测酰胺键合成反应的转化率。研究比较了6种机器学习算法的预测精度，其中随机森林表现出卓越的预测性能(R² > 0.95)。同时，在预测未知芳胺分子的转化率时，研究发现在训练集中加入少量未知分子的相关反应数据，即使数据集较小，也能显著提升对未知分子转化率的预测准确性，揭示了一种利用小数据集得到较好预测结果的方法。本研究为小数据集下的机器学习辅助化学合成研究提供了参考价值。不久的将来，机器学习将有力地推动有机合成化学的智能化发展。

随着电池、电镀和采矿业的发展，镉(Cd²⁺)等重金属离子被大量排放，对环境造成严重威胁。由于废水中Cd²⁺浓度低，传统的去除技术存在动力学慢、二次污染等问题。因此，本文通过微波热解和KOH活化工艺，制备了荷叶衍生碳，开发了基于生物质衍生碳、不对称结构的电容性去离子(CDI)系统。结果表明，获得的纳米片状薄碳(NSTC-3)具有3705.0 m²∙g^-1的超高比表面积，在0.5 A∙g^-1电流密度下展现了92.5 F∙g^-1的比电容(NSTC-3为工作电极，商业活性炭YP-50F为对电极)。分别以YP-50F、NSTC-3为阳极和阴极，在1.2 V电压下，实现了88.6 mg_Cd·g_cathode^-1的电吸附容量(Cd²⁺的初始浓度为100 mg∙L^-1)，比对称构型(NSTC-3//NSTC-3)的性能提高了36.3%。优异的去除性能和良好的循环稳定性归因于电极表面电荷性质的调控和不对称电极结构的构建，从而最大限度地减少了同离子排斥，调节了电极电势分布。本研究为设计生物炭基电化学水处理工艺提供了新思路。