吸附是一个常见且重要的物理化学过程，吸附实验也越来越多地出现在实验教学当中。然而，传统的教学模式使学生往往只能被动接受实验方案，缺乏对吸附剂选择和微观吸附机理等方面的深入理解。为此，我们提出一种基于人工智能(AI)的数字化实验设计，旨在通过生成式AI大模型的智能分析和分子动力学(MD)模拟，使学生既可以进行实验前的性能预测，又可以进行实验前后的人机对话预习与总结。学生首先通过互动式对话使用ChatGPT智能助手进行文献收集、整理、吸附剂筛选和个性化预习。随后利用MD模拟预测吸附剂性能，探索吸附机制。再对模拟预测结果进行实验验证，测试吸附动力学和热力学。最后针对实验中的问题和思考与ChatGPT智能助手互动。本实验设计实现了从人机对话的个性化预习、吸附过程的数值模拟，到实验验证，再到人机对话总结的全流程数字化教学，使学生从被动的操作执行者成长为主动的学习参与者和研究探索者，为传统实验教学的现代化和智能化提供了新思路。

为制备高效活化过硫酸盐降解有机污染物的环境友好型Ti基介孔催化剂，分别制备了Co和Zr掺杂的介孔TiO₂催化剂(Co-TiO₂、Zr-TiO₂)，并探究了其在活化过硫酸钠(PDS)过程中活性物种的产生机制及对四环素(TC)降解性能的影响。结构表征结果表明，Co和Zr掺杂均显著提高了催化剂的比表面积和氧空位浓度。具体而言，Co与Ti间的电负性差异促进了电子迁移；而Zr⁴⁺因其离子半径大于Ti⁴⁺，掺杂后诱发了晶格畸变。TC降解实验显示，相较于未掺杂的TiO₂/PDS体系，Co-TiO₂/PDS和Zr-TiO₂/PDS体系对TC的降解率在6 h内分别提升至93.1%和89.6%，反应速率常数分别为未掺杂体系的2.8倍和2.4倍。猝灭实验与电子顺磁共振(ESR)分析证实，Co-TiO₂/PDS体系以羟基自由基(·OH)为主要活性物种，而Zr-TiO₂/PDS体系则以单线态氧(¹O₂)为主要活性物种。磷酸盐(PO₄^3-)添加实验表明，调控催化剂表面羟基可优化Co-TiO₂/PDS体系的反应剂利用效率(η_RU)。结果阐明了金属掺杂对介孔TiO₂活化PDS过程的差异化影响，以及其对活性物种和污染物降解性能的调控机制。