开发基于模拟计算的催化剂理性设计框架是大势所趋。而如何将催化材料性质和催化性能之间进行关联是从分子层面理解催化反应以及催化剂理性设计的第一步。近年来，研究者们发现，催化剂的催化活性和其本身的反应性呈火山型趋势，即随着催化剂反应性增强，其催化活性先增大后减小，此趋势被称为Sabatier原理。而催化剂的反应性则能通过密度泛函理论进行计算，于是，定性的催化材料性质-催化性能关系得以建立。然而，如何定量的确定活性顶点，如何预测反应选择性以及如何预测反应机理的演变依然亟待解决。CatRPD在一定程度上成功解决了上述问题，构建了从分子层面理解催化剂性能、理性设计催化剂的框架。

CatRPD针对催化反应中反应机理的复杂性，以及催化剂构效关系难以建立的难题，首先开发了一种自动生成所有的反应通道的方法，该方法通过将反应网络转化为矩阵，然后基于增广矩阵的求解求得所有可能的反应通道。然后通过建立scaling关系关联不同中间物种的能量状态，进行有效的降维，得以用一个或两个能量描述符描述催化剂的催化性质。创造性的将二者结合后，辅以一定的反应活性/反应通道机理判定方法，可以在考虑复杂反应网络的情况下对催化剂的催化性能（包括催化活性和选择性）进行预测，或者对已知的催化反应进行理论解释。

CatRPD通过python语言实现。主要可以分为四部分：

（1）反应通道的生成；

（2）能量描述符的构建；

（3）反应决速步决速步，活性趋势判定；

（4）反应机理，反应选择性判定；

而软件需要的数据主要有：

（1）密度泛函理论计算得到的各个中间物种的吸附能以及气体能量，如果要建立活性趋势，还需要不同催化剂上的吸附能；

（2）需要考虑的基元反应；

（3）需要考虑的总反应；

（4）将能量校正到自由能的校正值数据

（5）一些软件需要的设置（如设置能量描述符，即设置横纵坐标）

CatRPD软件主要有三个代码。分别命名为Scaling_thermo, Thermal_Kinetic_2D 和 plot_2D。其中，Scaling_thermo代码包含生成反应通道，构造一维scaling关系，进行热力学校正，建立一维反应相图的功能。Thermal_Kinetic_2D 则有建立二维相图的功能，plot_2D则是将二维相图的数据进行进一步的作图输出。在运行时，必须按次序运行以上三个代码。