本發(fā)明涉及人工智能技術(shù)，揭露了一種基于主動(dòng)學(xué)習(xí)和符號(hào)回歸的超導(dǎo)體篩選方法，包括：對(duì)材料數(shù)據(jù)進(jìn)行多類型聯(lián)合數(shù)據(jù)清洗，得到有效數(shù)據(jù)，識(shí)別有效數(shù)據(jù)的數(shù)值計(jì)算特征、化學(xué)特征、空間群特征及摻雜特征；將數(shù)值計(jì)算特征、化學(xué)特征、空間群特征及摻雜特征進(jìn)行關(guān)聯(lián)度篩選，得到特征子集；利用預(yù)先訓(xùn)練的特征分析決策樹(shù)模型根據(jù)特征子集對(duì)有效數(shù)據(jù)中每種化合物的超導(dǎo)能力進(jìn)行分析，并選取符合預(yù)設(shè)條件的化合物為潛在高溫超導(dǎo)體，其中，特征分析決策樹(shù)模型是通過(guò)主動(dòng)學(xué)習(xí)及符號(hào)回歸的方式預(yù)先訓(xùn)練得到的回歸模型。本發(fā)明還提出一種基于主動(dòng)學(xué)習(xí)和符號(hào)回歸的超導(dǎo)體篩選裝置及設(shè)備。本發(fā)明可以提高解析高溫超導(dǎo)材料篩選的精確度。