2020年至2023年，清华大学，电子工程系，博士后、助理研究员、水木学者
2023年至今，北京科技大学，云顶娱乐 ，特聘副教授

长期与国（境）内外顶尖高校、科研院所保持深度和长期合作，包括清华大学、香港大学、香港城市大学、香港应用科技研究院等，已发表包括ACM Computing Surveys、ACM TKDD、IEEE TNNLS、IEEE TVT等十余篇SCI顶刊论文。
研究方向以城市科学与计算为背景，以数据挖掘、自然语言处理（大语言模型、知识图谱等）为技术背景，展开研究：1）城市复杂网络耦合关联关系与数据驱动的演化规律，并通过知识驱动方式（大语言模型、知识图谱等）进行智能决策任务；2）联邦学习、分布式优化等高性能计算技术及在物联网中的应用。

担任多个顶刊和顶会审稿人，包括ACM TKDD、IEEE TKDE、WWW、AAAI等。

[1] Huiming Chen, Huandong Wang, Qingyue Long, Depeng Jin and Yong Li*, “Advancements in Federated Learning: Models, Methods, and Privacy”, ACM Computing Surveys, Feb., 2024 （Accepted，IF=16.6，领域影响力大，预印版：arxiv.org/abs/2302.11466）
[2] Huiming Chen, Huandong Wang, Yong Li*, Quanming Yao, Depeng Jin and Qiang Yang, “LoSAC: An Efficient Stochastic Average Control Method for Federated Optimization”, ACM Transactions on Knowledge Discovery from Data, vol. 17, no. 4, Apr., 2023
[3] Huiming Chen *, H. C. Wu, S. C. Chan and W. H. Lam, "A Stochastic Quasi-Newton Method for Large-Scale Nonconvex Optimization with Applications," IEEE Transactions on Neural Networks and Learning Systems, vol. 31, no. 11, pp. 4776-4790, Nov. 2020. （IF=10.4）
[4] Huiming Chen * and W. H. Lam, "Training Based Two-Step Channel Estimation in Two-Way MIMO Relay Systems," IEEE Transactions on Vehicular Technology, vol. 67, no. 3, pp. 2193-2205, March 2018

1. 国家自然科学基金青年项目：联邦学习中高性能分布式优化算法研究，2022年1月--2024年12月（主持）。
2. 中国博士后科学基金面上项目：高性能联邦优化算法研究，2021年6月-2022年11月（主持）。

清华大学水木学者、中国博士后国际交流计划人才引进