本发明涉及人工智能技术，揭露了一种基于主动学习和符号回归的超导体筛选方法，包括：对材料数据进行多类型联合数据清洗，得到有效数据，识别有效数据的数值计算特征、化学特征、空间群特征及掺杂特征；将数值计算特征、化学特征、空间群特征及掺杂特征进行关联度筛选，得到特征子集；利用预先训练的特征分析决策树模型根据特征子集对有效数据中每种化合物的超导能力进行分析，并选取符合预设条件的化合物为潜在高温超导体，其中，特征分析决策树模型是通过主动学习及符号回归的方式预先训练得到的回归模型。本发明还提出一种基于主动学习和符号回归的超导体筛选装置及设备。本发明可以提高解析高温超导材料筛选的精确度。